基于时程数据的翼型尾流特征识别模型分析

作     者：赵凯程 李春 缪维跑 岳敏楠 ZHAO Kai-cheng;LI Chun;MIAO Wei-pao;YUE Min-nan

作者机构：上海理工大学能源与动力工程学院上海200093 

出 版 物：《热能动力工程》 (Journal of Engineering for Thermal Energy and Power)

年 卷 期：2024年第39卷第4期

页      面：147-153页

学科分类：080703[工学-动力机械及工程] 080704[工学-流体机械及工程] 08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：国家自然科学基金资助项目(51976131 52006148) 

主　　题：尾流 特征提取 深度学习 分形盒维数 

摘      要：针对传统流场分析方法难以提取非线性与高维度数据特征的问题,结合自适应噪声完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)与分形盒维数对速度、压力和涡量等时程数据进行分解、筛选及重构,并结合深度学习建立尾流特征识别模型,以实现翼型特征和流动攻角的反向预测。结果表明:当训练集和测试集数据来自同一翼型时,所提模型对流动攻角的识别率最高可达98.8%,当数据来自不同翼型时,准确率仍可达95.6%,验证了所提模型的准确性、可行性及泛化性。