基于表面无粘流动特征的摩阻分布机器学习

作     者：赵书乐 张伟伟 

作者机构：西北工业大学流体力学智能化国际联合研究所 西北工业大学航空学院 

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

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080103[工学-流体力学] 08[工学] 081104[工学-模式识别与智能系统] 080104[工学-工程力学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0801[工学-力学（可授工学、理学学位）] 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(12072282) 国家自然科学基金(92152301) 

主　　题：摩擦阻力 边界层 机器学习 数据驱动 关联建模 

摘      要：摩擦阻力的精准高效预示对飞行器设计至关重要。然而摩阻分布的计算不仅代价大，且对网格密度、湍流模式和数值算法的依赖性强，而试验测量更具挑战性。为此，本文提出了一种数据驱动的高泛化性摩阻分布机器学习建模方法。该方法在Euler方程数值解的基础上，结合RANS计算的少量摩阻分布数据样本，构建了表面无粘流动特征与摩阻分布的关联关系模型，从而实现摩阻的预测。由于该建模方法嵌入Euler方程这一物理模型，使得在很少的样本下就能保证模型的高泛化性和高精度；另一方面，相比于RANS数值计算，由于只用求解Euler方程，计算量降低约一个量级。研究通过典型翼型和机翼的测试算例来展示该方法对于气动设计中变外形气动力的预测效果。相比于端到端的分布力深度学习建模，该方法在减少5倍样本量的情况下仍能取得很高的建模精度（阻力误差约2～3%），且对于工况、外形变化具有较强的外插预测能力，结果的分散度低。该研究为附着流机翼的摩阻分布预测和机翼优化设计提供了一种新的高效研究手段。