基于神经常微分方程与高速摄像数据的旋转爆轰发动机物理数据驱动代理模型
流体动力学
2021-09-16 v1
摘要
旋转爆轰发动机中存在的多尺度相互作用物理导致了多样的非线性动力学行为，包括燃烧波锁模、调制与分岔。本工作旨在构建旋转爆轰发动机物理（包括燃烧、喷射与混合）的代理模型，使其通过相互作用复现所观察到的行为。这些代理模型在神经常微分方程（Neural ODE）框架下构建并训练，该方程通过波的潜在表示演化：行波坐标 。研究表明，物理的多尺度特性可被成功分离并分别分析，从而为旋转爆轰发动机的基本物理过程提供有价值的洞察。
引用
@article{arxiv.2107.05432,
title = {Data-Driven Surrogates of Rotating Detonation Engine Physics with Neural ODEs and High-Speed Camera Footage},
author = {James Koch},
journal= {arXiv preprint arXiv:2107.05432},
year = {2021}
}