基于深度学习建表的宽域发动机火焰面燃烧模型构建与验证

作     者：于江飞 连城阅 汤涛 唐卓 汪洪波 孙明波 

作者机构：国防科技大学空天科学学院高超声速技术实验室 

出 版 物：《力学学报》 (Chinese Journal of Theoretical and Applied Mechanics)

年 卷 期：2023年

核心收录：

学科分类：080703[工学-动力机械及工程] 08[工学] 081104[工学-模式识别与智能系统] 082502[工学-航空宇航推进理论与工程] 0807[工学-动力工程及工程热物理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金项目(T2221002、11925207)资助 

主　　题：火焰面/进度变量模型 全连接神经网络 宽域发动机 燃烧模型 数值模拟 

摘      要：以新型宽域发动机为动力的未来新一代飞行器的研发迫切需要CFD方法来进行高效高精度的辅助设计.本文把传统的火焰面/进度变量燃烧模型与深度学习和神经网络方法相结合,构建了新的智能化改进的燃烧模型并进行了算例测试与验证,在保证计算效率的同时提高了预测精度.首先,给出了人工神经网络的构建方法,包括数据库划分、数据归一化以及模型的训练等;然后,测试分析了不同函数结构对新建模型的影响,并讨论了基于CPU和GPU的求解器框架下内存占用优化问题;最后,把智能化模型耦合到GPU求解器上对飞行马赫数4-12的3个发动机算例进行了数值模拟.结果表明,智能化改进的模型可代替传统火焰面/进度变量数据库从而实现高维参数建模及模型改进,并可以成功运行在GPU上;智能化改进的模型比传统的模型平均误差减小量均超过了50%,算例误差最大减小值可达57.2%.