带不确定性量化的乘波体上热化学非平衡高超声速流动分析

本工作的目标是评估参数不确定性对基于雷诺平均Navier-Stokes（RANS）模拟的高超声速气动热表面加热预测的影响，采用非侵入式不确定性量化（UQ）技术。基于RANS的模型被认为是计算流体动力学（CFD）分析中不可或缺的工具，用于迭代且经济高效地探索创新设计概念。然而，这些RANS模型严重依赖经验常数，由于缺乏物理知识和问题的复杂性，这些常数通常需要调整，从而引入了显著的不确定性，削弱了其预测能力。因此，本研究调查了湍流普朗特数不确定性（控制湍流中剪切应力和热通量水平）对关键输出量（QoIs）的影响。使用US3D高超声速求解器，采用经典的Menter剪切应力输运（SST）湍流模型，模拟高超声速乘波体构型上的气动加热。提出了一个多项式混沌展开（PCE）框架，能够进行全局灵敏度分析和湍流普朗特数范围的不确定性前向传播，生成QoIs的统计量，包括偏度和峰度。此外，计算了Sobol指数，以量化湍流普朗特数对热通量和表面压力输出总体不确定性的相对贡献。结果为了解在Arnold工程开发中心（AEDC）设施先前研究的乘波体上，高超声速非平衡流动条件下RANS模拟中的潜在气动加热行为提供了宝贵见解。这些发现将为未来的设计过程提供信息，并提高基于RANS的预测在高超声速应用中的可靠性。