Kerosene 超声速燃烧的稳定性分析与模式识别：基于 Res-CNN-beta-VAE 的深度学习方法
流体动力学
2025-11-18 v1 机器学习
摘要
错位发动机是实现高比冲的关键推进系统，利用超声速气流实现高比冲，因而是航空航天应用中富有前景的技术。理解和控制燃料喷注、湍流燃烧与可压缩流动气动效应之间的复杂相互作用，对于确保错位发动机的稳定燃烧至关重要。然而，由于实验测量手段有限且超声速湍流燃烧的时空演化极其复杂，确定错位燃烧器中的稳定模式往往具有挑战性。本工作引入一种创新的深度学习框架，将残差卷积神经网络-beta-变分自编码器（Res-CNN-beta-VAE）进行维数压缩与无监督聚类（K-means）相结合，用于识别和分析超声速燃烧器中的动力学燃烧模式。通过将燃烧快照的高维数据映射到降低后的三维潜空间，Res-CNN-beta-VAE 模型捕捉了火焰行为的关键时空特征，使人们能够观察燃烧状态之间的转换。通过分析潜变量轨迹的标准差，我们引入了一种客观区分动态转换的方法，这为传统分类方法提供了可扩展且独立于专家的方法。此外，无监督 K-means 聚类方法有效识别了腔体与喷流-尾流稳定机制之间的复杂相互作用，为在不同的气-液质量流率比（GLR）下提供了新的洞察。
引用
@article{arxiv.2503.12765,
title = {Stabilization Analysis and Mode Recognition of Kerosene Supersonic Combustion: A Deep Learning Approach Based on Res-CNN-beta-VAE},
author = {Weiming Xu and Tao Yang and Chang Liu and Kun Wu and Peng Zhang},
journal= {arXiv preprint arXiv:2503.12765},
year = {2025}
}
备注
10 pages, 6 figures