基于域对抗神经网络的双模态燃烧室跨构型燃烧模态识别
作者机构:厦门大学人工智能研究院 厦门大学航空航天学院
出 版 物:《推进技术》 (Journal of Propulsion Technology)
年 卷 期:2024年
核心收录:
学科分类:082502[工学-航空宇航推进理论与工程] 08[工学] 0825[工学-航空宇航科学与技术]
主 题:双模态燃烧室 燃烧模态识别 域自适应 对抗学习 神经网络
摘 要:双模态冲压发动机燃烧室在宽马赫飞行过程中会呈现不同燃烧模态来保持稳定工作,燃烧模态的准确识别对燃烧室乃至发动机的控制和稳定运行具有重要意义。基于域对抗网络的领域适应策略,提出了一种针对不同构型双模态燃烧室的燃烧模态识别方法。首次将域适应的解决思路应用于燃烧及流体的问题中,以提高双模态燃烧室跨域数据集模态识别模型的泛化性能。通过数值模拟得到三种构型燃烧室的数据集,利用原始构型数据集训练模型,对上凹腔扩张构型和下凹腔扩张构型的数据集验证其泛化性能,并将获得的识别准确率与其他识别方法(包括支持向量机、K近邻、决策树)进行对比分析。研究结果表明:对亚燃模态和超燃模态进行识别,在上凹腔扩张构型和下凹腔扩张构型的密度梯度分布图的验证中分别取得了93.5%和96.3%的准确率,在温度分布图的验证准确率为91.8%和97.1%。本文的方法可以获得更易于识别燃烧模态的图像信息,以获得更高的跨领域数据识别准确率和更好的泛化性能,为发展适用于不同构型双模态燃烧室的燃烧模态识别方法提供了有力支撑。