摘要
本发明公开了一种激波边界层干扰中SST湍流模型的自适应参数辨识方法,包括:S1、在确定工况下,根据SST湍流模型闭合参数区间范围构建高维样本空间,开展最优拉丁超立方抽样,均匀获取全空间内样本信息,作为输入参数样本;S2、基于输入参数样本和确定工况,进行数值模拟,形成模型先验样本集;S3、根据模型先验样本集,构建基于改进贝叶斯神经网络的激波边界层干扰下流场壁面压力预测模型;S4、基于激波边界层干扰下流场壁面压力预测模型,采用粒子群优化算法对SST湍流模型进行自适应参数辨识,获得实现流场高精度模拟的SST湍流模型最优闭合参数。本发明提高了数值模拟精度和速度,为超燃冲压发动机在复杂环境下的安全可靠工作提供技术支持。
技术关键词
湍流模型
参数辨识方法
贝叶斯神经网络
拉丁超立方抽样
粒子群优化算法
样本
壁面
非线性映射关系
安全可靠工作
工况
压力
冲压发动机
数值
抽样方法
构型
拐角
数据
通道
系统为您推荐了相关专利信息
粒子群优化算法
特性建模方法
拆解作业
方程
辨识机器人
贝叶斯神经网络
声源定位方法
声源定位系统
变压器
物理
损耗均衡方法
主控芯片
寿命预测模型
BIST电路
负载特征