基于人工神经网络的新型流线追踪策略在高超声速乘波体设计中的应用
流体动力学
2024-03-20 v1
摘要
锥型高超声速流中的流线追踪对于设计高性能乘波体和进气道至关重要。传统上，在通过轴对称锥型流场求解获得速度场后求解流线方程。高超声速乘波体形状由基础锥型流场通过在多个平面上重复应用流线追踪方法生成。当探索乘波体优化的设计空间时，流线追踪可能计算代价高昂。我们提供了一种新策略：首先针对大范围锥角和马赫数条件求解无粘轴对称锥型流场（Taylor-Maccoll方程）和来自激波的流线，从而生成广泛数据库。流线由三阶多项式参数化，并训练人工神经网络（ANN）以预测对于任意马赫数、锥角和激波上流线起始位置输入的多项式系数。我们将此策略应用于锥导乘波体设计，并将获得的几何与标准锥型乘波体设计方法和简化乘波体设计方法进行比较。ANN技术高度准确，与标准方法在乘波体坐标上差异为0.68%。RANS计算表明，ANN导出的乘波体在前缘未显示严重流动溢出，而简化方法生成的乘波体观察到该现象。新的基于ANN的方法比传统方法快20倍。
引用
@article{arxiv.2207.07462,
title = {A novel Artificial Neural Network-based streamline tracing strategy applied to hypersonic waverider design},
author = {Anagha G Rao and Umesh Siddarth U S and Srisha M V Rao},
journal= {arXiv preprint arXiv:2207.07462},
year = {2024}
}