基于卷积神经网络双层壁三维热应力预测方法

作     者：黄俊杰 朱剑琴 程泽源 HUANG Junjie;ZHU Jianqin;CHENG Zeyuan

作者机构：北京航空航天大学能源与动力工程学院北京100191 

出 版 物：《航空动力学报》 (Journal of Aerospace Power)

年 卷 期：2023年第38卷第7期

页      面：1658-1667页

核心收录：

学科分类：0710[理学-生物学] 08[工学] 082502[工学-航空宇航推进理论与工程] 0825[工学-航空宇航科学与技术] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(51876005 52122604)。 

主　　题：热应力预测 三维物理场 双层壁冷却结构 卷积神经网络 代理模型 

摘      要：为实现三维物理场的预测,提出一种利用卷积神经网络(CNN)对双层壁冷却结构外壁三维热应力快速评估方法。针对双层壁冷却结构外壁平板状的结构特征,沿壁厚方向将温度场切分为多个切片。将温度作为卷积网络输入张量的基本元素,不同厚度位置的切片对应输入张量的通道维度,从而实现将三维温度场输入进网络,并输出在热载荷作用下的三维等效应力场。结果表明:训练收敛后的网络在测试集上的平均绝对误差为1.23 MPa,平均相对误差为15.10%,对峰值应力的平均绝对误差为16.10 MPa,平均相对误差为11.81%。对于双层壁冷却结构的热应力预测问题,CNN能够很好地完成温度到应力的映射。使用深度学习方法探究热弹性问题的潜在机理有望实现。