一种高超声速稀薄流下拐角流壁面热流预测方法

本发明属于分离流预测，具体涉及一种高超声速稀薄流下拐角流壁面热流预测方法。

背景技术：

1、前人提出经典的高超声速扰流二维压缩拐角模型，在数十年间做了很多研究工作，采用摄动展开或实验数据拟合等方法，获得了拐角流动的诸多流动规律，然而这些结果仅限于流场描述，如分离区长度、分离区压强平台等，少有涉及到再附点后气动加热问题。仅有的气动热研究多数集中于数值模拟方面，然而利用cfd计算该处的气动加热结果存在很大不确定性，如何算准峰值热流至今无法解决。更重要的是从理论上分析峰值热流为何产生，其大小、位置如何可靠预测，一直没有较好的进展。在这方面，已有的实验和数值研究定性地分析了拐角流场结构特征，指出：高超声速来流在分离点后抬起形成剪切层，该层通过再附激波偏转从而倾斜撞向壁面，流体在强压缩作用下温度和压强急剧升高，并使壁面热流急剧上升，且在再附点后边界层厚度极小值处出现峰值. 这些研究指出峰值热流位置与边界层厚度变化规律密切相关，但尚缺乏明确的理论分析结果。另一方面，对于峰值热流大小，前人基于大量cfd数值计算和实验结果，拟合出了峰值热流和压强的比拟算式，通过准确计算压强，间接得到热流的可靠预估值，这个方法被广泛应用。然而现今得到好评的比拟算式含有再附点到峰值热流点的距离等物理参数，而这一参数迄今没有可靠的估算方法。由此，认识到从理论上预测再附点后峰值热流的位置，即再附点到峰值热流点的距离，无疑对深入认识压缩拐角出现严重气动加热的流动物理以及对估算再附点后峰值热流大小都具有重要意义。

技术实现思路

1、针对现有技术中的上述不足，本发明提供的高超声速稀薄流下拐角流壁面热流预测方法解决了现有的回流区难以准确估算的问题。

2、为了达到上述发明目的，本发明采用的技术方案为：一种高超声速稀薄流下拐角流壁面热流预测方法，包括以下步骤：

3、s1、基于流场样本点参数，计算流场回流区大小，构建样本库；

4、其中，样本点参数包括马赫数、ramp角度和高度；

5、s2、基于样本库，通过高斯过程回归构建并训练神经网络；

6、s3、对神经网络的输出结果进行拟合，获得基于流场样本点参数的回流区拟合公式；

7、s4、将待预测流场样本点参数代入回流区拟合公式，预测对应的拐角流壁面热流回流区。

8、进一步地，所述步骤s1具体为：

9、s11、基于流场样本点参数，确定流场模拟区域的几何形状、边界条件和初始条件；同时定义流场模拟区域中气体分子的初始位置、速度和能量，设置模拟参数；

10、s12、在流场模拟区域中，使每个模拟粒子做匀速直线运动，并与不同类型的壁面作用；

11、s13、将模拟粒子进行再标识，对再标识的模拟粒子，在每一个时间步长中，使同一网格中的模拟粒子被随机选取与其他模拟粒子或粒子壁发生碰撞，并重新分配能量，使其位置和速度发生变化；

12、s14、在模拟粒子发生碰撞且流场稳定后，基于每个网格内模拟粒子的微观参数对流场宏观参数进行采样，进而计算回流区大小，并构建样本库；

13、其中，宏观参数包括分子数密度、速度和温度。

14、进一步地，所述步骤s2具体为：

15、s21、将样本库中的流场样本点参数作为输入变量，回流区大小作为输出变量；

16、s22、基于输入变量和输出变量，通过高斯过程回归进行神经网络建模；

17、s23、对构建的神经网络进行训练，获得训练好的神经网络。

18、进一步地，所述步骤s22中，在神经网络的建模过程中，通过均值函数描述输入变量的整体趋势，通过协方差函数度量输入变量之间的相似性。

19、进一步地，所述步骤s23中，通过最大化似然函数或者最小化经验误差函数来估计神经网络的参数，包括均值函数和协方差函数的参数。

20、进一步地，所述步骤s23中，在所述神经网络的训练过程中，还包括通过交叉验证算法调整神经网络的超参数。

21、进一步地，所述步骤s3中，回流区拟合公式为；

22、

23、式中，为拟合参数，当x>0，sign(x)=1，当x=0，sign(x)=0，当x<0， sign(x)=-1，上标t为转置运算符，为马赫数，为高度，为ramp角度，x为拟合数据。

24、进一步地，所述步骤s4中，将待预测流场样本点参数代入回流区拟合公式，当得到 y的值为0或-1时，表示不出现回流区，当 y的值为1时，表示出现回流区。

25、进一步地，在所述回流区拟合公式中，马赫数的取值范围为5-10，高度的取值为50-70km，ramp角度的取值为20-40度。

26、本发明的有益效果为：

27、（1）本发明提供的回流区预测方法，可以通过马赫数、高度、ramp角度直接实现对回流区的预测，并且达到了比较高的精度，标志着建立三维模型方面具有极大的可行性，对军事和防御系统具有巨大的潜在工程价值。

28、（2）拐角流的回流区分布直接影响气动特性，本发明提供的预测方法准确预测的壁面热回流区有助于改进气动设计，降低拐角流对飞行器性能的不利影响。

29、（3）在高超声速条件下，由于拐角流的存在，飞行器控制面临着严峻的困难，基于本发明方法准确预测壁面回流区，设计者能够更好地评估飞行器，降低任务风险。

30、（4）本发明提供的回流区拟合公式的应用可以减少对模拟程序的依赖，通过有效的预测方法，可以减少模拟次数，从而降低研发成本。

技术特征：

1.一种高超声速稀薄流下拐角流壁面热流预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的高超声速稀薄流下拐角流壁面热流预测方法，其特征在于，所述步骤s1具体为：

3.根据权利要求1所述的高超声速稀薄流下拐角流壁面热流预测方法，其特征在于，所述步骤s2具体为：

4.根据权利要求3所述的高超声速稀薄流下拐角流壁面热流预测方法，其特征在于，所述步骤s22中，在神经网络的建模过程中，通过均值函数描述输入变量的整体趋势，通过协方差函数度量输入变量之间的相似性。

5.根据权利要求4所述的高超声速稀薄流下拐角流壁面热流预测方法，其特征在于，所述步骤s23中，通过最大化似然函数或者最小化经验误差函数来估计神经网络的参数，包括均值函数和协方差函数的参数。

6.根据权利要求5所述的高超声速稀薄流下拐角流壁面热流预测方法，其特征在于，所述步骤s23中，在所述神经网络的训练过程中，还包括通过交叉验证算法调整神经网络的超参数。

7.根据权利要求1所述的高超声速稀薄流下拐角流壁面热流预测方法，其特征在于，所述步骤s3中，回流区拟合公式为；

8.根据权利要求7所述的高超声速稀薄流下拐角流壁面热流预测方法，其特征在于，所述步骤s4中，将待预测流场样本点参数代入回流区拟合公式，当得到y的值为0或-1时，表示不出现回流区，当y的值为1时，表示出现回流区。

9.根据权利要求8所述的高超声速稀薄流下拐角流壁面热流预测方法，其特征在于，在所述回流区拟合公式中，马赫数的取值范围为5-10，高度的取值为50-70km，ramp角度的取值为20-40度。

技术总结本发明公开了一种高超声速稀薄流下拐角流壁面热流预测方法，属于分离流预测技术领域，包括：S1、基于流场样本点参数，计算流场回流区大小，构建样本库；其中，样本点参数包括马赫数、Ramp角度和高度；S2、基于样本库，通过高斯过程回归构建并训练神经网络；S3、对神经网络的输出结果进行拟合，获得基于流场样本点参数的回流区拟合公式；S4、将待预测流场样本点参数代入回流区拟合公式，预测对应的拐角流壁面热流回流区。本发明提供的回流区预测方法，可以通过马赫数、高度、ramp角度直接实现对回流区的预测，并且达到了比较高的精度，标志着建立三维模型方面具有极大的可行性，对军事和防御系统具有巨大的潜在工程价值。技术研发人员：张斌,张晟杰,刘淏旸,李林颖,胡桐受保护的技术使用者：上海交通大学四川研究院技术研发日：技术公布日：2024/7/25