基于机器学习的高超声速飞行器双曲率前缘气动热预测方法

作     者：杨帆 林明月 胡宗民 罗长童 YANG Fan;LIN Mingyue;HU Zongmin;LUO Changtong

作者机构：中国科学院力学研究所高温气体动力学国家重点实验室北京100190 中国科学院大学工程科学学院北京100049 

出 版 物：《北京航空航天大学学报》 (Journal of Beijing University of Aeronautics and Astronautics)

年 卷 期：2024年第50卷第9期

页      面：2826-2834页

核心收录：

学科分类：07[理学] 08[工学] 082501[工学-飞行器设计] 070206[理学-声学] 0802[工学-机械工程] 0825[工学-航空宇航科学与技术] 0702[理学-物理学] 

基　　金：国家自然科学基金(12172365,12072353,12132017) 国家重点研发计划(2019YFA0405204) 

主　　题：高超声速流动 气动热 多层分块算法 快速预测方法 驻点热流 双曲率前缘 

摘      要：高超声速气动热预测技术是高超声速飞行器发展的关键技术之一,气动热环境的精准预测对飞行器热防护系统设计及气动布局优化具有重要意义。为快速获得高超声速飞行器表面的热流分布情况,缩短飞行器设计周期,基于具有广义可分离特性、可实现强非线性数据快速建模的多层分块(MBB)算法,提出一种针对高超声速飞行器双曲率前缘气动热分布的快速预测方法。通过数值计算获得双曲率前缘驻点区的气动热分布作为训练集数据,基于MBB算法提出预测热流分布的显式表达式,对表达式预测结果的统计分析显示,表达式预测值与测试集数据的偏差低于2%,这表明其具有较高的预测精度;将驻点区热流分布表达式进行外推,验证了机器学习公式在不同几何外形下的适用性。在双曲率前缘构型的防热设计及气动外形优化阶段,所提表达式可实现气动热环境的精准、快速预测。