面向高超声速飞行器的激波智能预测方法

高超声速飞行器激波位置的准确预测能够有效提升数值模拟的精度和效率。一方面,对高超声速飞行器激波附近网格进行正交和加密处理,可有效提升数值计算精度;另一方面,使用高超声速飞行器激波位置对计算网格进行修正,能够加速CFD计算收敛过程。提出了一种基于机器学习的高超声速飞行器激波智能预测方法,对典型高超声速飞行器外形进行激波位置的高效准确预测。首先,针对典型高超声速飞行器外形和典型飞行状态,使用数值模拟方法获得收敛的流场,并采用基于Mach数等值线的激波提取方法,从流场中判别激波面并提取构成激波面的关键点位置,形成训练数据;然后采用有监督学习算法,学习关键点位置,并利用二次曲线沿流向拟合关键点形成初步的激波线族;最后,基于剖面压力云图,构造基于投影压力图像的智能预测神经网络,对初步形成的激波线族进行修正,并获得三维激波面。大量的实验结果表明,激波预测模型能够对高超声速飞行器激波位置做出准确预测,预测的激波面与CFD数值计算结果中提取的激波面误差在10^-4量级。