科研之友
微信
新浪微博
Facebook
分享链接
摘要
空泡的演化和水动力特征的预测在航行体发射的设计中有非常重要的意义.人工智能技术已经成为了参数预测的重要手段.为了能够快速预测航行体水下发射过程的尾部压力的复杂变化,提出了一种多尺度深度学习网络.该网络模型以一维卷积网络(1DCNN)为基础,构建了一种编码-解码型网络结构,通过不同的采样频率将原始数据分解为光滑部分和脉动部分,进而训练低保真度的大尺度网络和高保真度的小尺度网络.从而实现对不同物理过程的响应和捕捉.首先,通过数值模拟获得了不同发射条件下的尾部压力曲线,并结合空泡的理论机理构建了具有物理性的输入数据集.其次,将数据集进行分解处理,分别训练了两个尺度的深度学习网络.最终将两组输出数据整合在一起,建立了底部压力预测模型.并通过测试和验证说明本文提出的多尺度网络对于多种常见的发射条件,能够实现航行体受力特征的快速准确的预测,光滑曲线、压力突变、震荡的频率和幅值都和数值模拟的结果吻合.证明本文的方法能够为运动和弹道的预测提供依据.
-
单位中国科学院力学研究所; 北京宇航系统工程研究所
