基于混合深度学习神经网络的推进器时序流场预测
会议名称：《中国力学大会-2021+1》
会议日期：2022年
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)] 082601[工学-武器系统与运用工程] 081104[工学-模式识别与智能系统] 08[工学] 082402[工学-轮机工程] 0826[工学-兵器科学与技术] 0835[工学-软件工程] 0824[工学-船舶与海洋工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
摘 要：介绍/亮点Introduction/Highlight 泵喷推进器主要应用于潜艇、鱼雷和水下航行器AUV等领域,由于其复杂的结构以及较强的军事应用目的,其公开研究较少。同时,关于泵喷推进器的研究主要是采用数值计算和实验的方法研究其水动力性能和空化性能。数值计算的方式往往需要大量的计算网格和计算时间成本,实验方法会消耗大量人力物力资源。深度学习交叉流体力学领域近些年得到了迅速发展,并取得了一些可观的成果。本研究分析了混合神经网络CNN-LSTM在泵喷推进器时序流场预测中的应用,围绕学习率、网路层数、滤波数等超参数研究了混合神经网络在泵喷推进器轴承力时序预测的可行性与准确性,并在不同转速、不同斜流角下研究了CNN-LSTM在泵喷推进器时序预测的泛化能力。