[发明专利]水平圆管内超临界碳氢燃料温度场和速度场的预测方法

说明书

水平圆管内超临界碳氢燃料温度场和速度场的预测方法，涉及超燃冲压式发动机热防护领域，解决超临界压力下碳氢燃料RP‑3在水平圆管内物理场快速预测的问题。本发明首先依据设计经验提取包括试验工况和几何参数作为模型的输入，将ANSYS数值模拟计算出的温度场和速度场信息作为模型的输出，将输入和输出的参数进行归一化处理。按照8:2的比例划分训练集和测试集，调整数据驱动模型的拓扑结构，利用测试集评估数据驱动模型的预测精度和预测效率。本发明使用训练好的数据驱动模型对新的特征参数进行温度场和速度场预测仅需几秒钟。

技术领域

本发明涉及超燃冲压式发动机热防护领域，具体涉及一种水平圆管内超临界碳氢燃料温度场和速度场的预测方法。

背景技术

航空航天领域的超燃冲压式发动机再生冷却系统中采用的冷却剂是碳氢燃料，在流动换热过程中冷却剂处于超临界状态。碳氢燃料从液态转变为超临界状态时，物性会发生剧烈的变化并对流动换热过程产生影响，为满足再生冷却技术的设计要求，亟需对超临界碳氢燃料的流动与换热规律进行深入的研究。

目前超临界碳氢燃料的流动与换热的研究依赖于CFD(Computational FluidDynamics，计算流体力学)建模仿真计算，繁琐费时。因而如何简化数值模拟过程、缩短超临界碳氢燃料物理场预测的耗费时间，将是新一代设计和研究体系亟需解决的问题。同时，随着计算机分支学科“机器学习”的兴起，在航空发动机领域的应用逐渐深入，通过数据驱动应用于现有设计流程中，大幅减少了设计迭代次数，缩短研究周期，降低经济成本。

发明内容

本发明为解决超临界压力下碳氢燃料在水平圆管内物理场快速预测的问题，提供一种水平圆管内超临界碳氢燃料温度场和速度场的预测方法。

水平圆管内超临界碳氢燃料温度场和速度场的预测方法，该方法由以下步骤实现：

步骤一、提取超临界碳氢燃料管流的各特征参数，并将所述各特征参数作为数据驱动模型的输入参数；

步骤二、以步骤一的特征参数作为工况的设置参数，在ANSYS软件进行数值模拟，获得温度场和速度场作为所述数据驱动模型的输出参数，将所述输出参数和步骤一的输入参数进行归一化处理；

步骤三、搭建数据驱动模型的拓扑结构，调整拓扑结构中的神经元个数、隐藏层层数、训练算法、传递函数和学习率，采用人工神经网络算法建立步骤一的输入参数与步骤二的输出参数之间的联系，获得数据驱动模型以及全局误差，比较全局误差与最大误差，当全局误差小于最大误差时，所述数据驱动模型满足精度要求，否则重新调整模型的拓扑结构；

步骤四、选择训练集和测试集对步骤三获得的数据驱动模型进行训练和测试，所述测试集用于评估数据驱动模型输出的温度场和速度场的预测精度；

所述训练集和测试集均为步骤一所述的数据驱动模型输入的各特征参数和步骤二中数据驱动模型输出的温度场和速度场。

进一步的，步骤一中的所述的各特征参数包括质量流量、压力、轴向位置、径向位置、进口温度和壁面热流。

进一步的，步骤四中，将训练集和测试集按照8:2的比例划分，使用训练集对数据驱动模型进行训练，使用测试集评估数据驱动模型的预测精度。

本发明的有益效果：本发明将通过结合数据驱动模型的技术来预测水平圆管内超临界碳氢燃料的温度场和速度场，在确保预测精度下提高设计效率。

通过使用MATLAB平台搭建数据驱动模型，将工况数据和几何数据作为模型的输入参数，数值模拟得到的温度场和速度场数据作为输出参数。调整包括神经元个数、隐藏层层数、训练算法、传递函数和学习率在内的模型的拓扑结构，利用人工神经网络算法建立输入参数与输出参数的联系。用数据集中的样本对其进行训练和测试，完成了特征参数直接到温度场和速度场的快速精准预测。具体存在以下优点：