通过预训练和微调融合仿真与实验数据实现高超声速流场预测
流体动力学
2025-11-26 v1
摘要
高超声速压缩坡面流场的精准预测是气动设计的关键任务, 但因稀缺的实验测量数据(如速度)而具备挑战性。本研究系统性地开发了数据融合框架以解决此问题。第一阶段, 仅使用计算流体动力学(CFD)数据训练的模型为流场预测建立基线。第二阶段表明, 以CFD与实验数据混合训练可显著提升预测精度: 压力和密度误差分别降低至12.6%和7.4%。该模型还能更清晰地捕捉分离和再附着冲击波等关键流动特征。基于改进模型的物理分析(包括坡角效应和全局稳定性分析)确认其在高效设计中的实用性。第三阶段, 以仅CFD数据预训练的模型成功微调实验schlieren图像, 可实现速度场重建并验证方法的可迁移性。该分阶段方法论表明, 通过预训练和微调融合仿真与实验数据具有有效性, 为高超声速流场建模提供了稳健且高效的途径。
引用
@article{arxiv.2511.20149,
title = {Fusion of Simulation and Experiment Data for Hypersonic Flow Field Prediction via Pre-Training and Fine-Tuning},
author = {Yuan Jia and Guoqin Zhao and Hao Ma and Xin Li and Chi Zhang and Chih-Yung Wen},
journal= {arXiv preprint arXiv:2511.20149},
year = {2025}
}