气蚀仿真方法、系统及计算机可读存储介质与流程

摘要: 本发明涉及流体力学,尤其涉及一种气蚀仿真方法、系统及计算机可读存储介质。背景技术:1、气蚀是流体机械运行中常见的物理现象,对其进行准确的数值模拟,对流体设备的设...
气蚀仿真方法、系统及计算机可读存储介质与流程

本发明涉及流体力学,尤其涉及一种气蚀仿真方法、系统及计算机可读存储介质。

背景技术:

1、气蚀是流体机械运行中常见的物理现象,对其进行准确的数值模拟,对流体设备的设计与运行具有重要意义。在计算流体力学中,通常借助空化模型对气液两相之间的相变过程进行描述,并通过相变源项将空化的产生与溃灭引入流动控制方程。

2、然而,现有空化模型的相变源项依赖于经验给定的参数,该参数在整个计算域内通常取为固定值,难以反映空化相变在不同空间区域、不同时刻之间的差异;在复杂工况下,其对空化过程的预测精度往往难以满足需求。

技术实现思路

1、本发明的目的在于提供一种气蚀仿真方法、系统及计算机可读存储介质。

2、本发明的一方面提供一种气蚀仿真方法,包括:获取参考气蚀流动的宏观流动特征数据;基于微观尺度的气泡动力学模型,对所述参考气蚀流动中气泡的微观动力学行为进行模拟,获得微观尺度气泡动力学特征;根据所述宏观流动特征数据和所述微观尺度气泡动力学特征,构建训练样本并训练机器学习模型,建立宏观流动特征与微观尺度气泡动力学特征之间的映射关系;将训练后的所述机器学习模型嵌入宏观尺度气蚀模型,使所述宏观尺度气蚀模型根据所述机器学习模型输出的微观尺度气泡动力学特征得到修正,得到多尺度气蚀模型;根据所述多尺度气蚀模型对目标气蚀流动进行求解,得到所述目标气蚀流动的数值模拟结果。

3、在一些实施例中,所述使所述宏观尺度气蚀模型根据所述机器学习模型输出的微观尺度气泡动力学特征得到修正,包括:利用所述微观尺度气泡动力学特征,对所述宏观尺度气蚀模型的相变源项进行修正。

4、在一些实施例中,所述相变源项包括表征气泡生成的蒸发项和表征气泡溃灭的冷凝项;所述利用所述微观尺度气泡动力学特征,对所述宏观尺度气蚀模型的相变源项进行修正,包括:利用所述微观尺度气泡动力学特征,对所述蒸发项和所述冷凝项中的至少一项进行修正。

5、在一些实施例中,对计算流体力学中的所述目标气蚀流动进行求解的过程中,以当前求解得到的宏观流动特征作为所述机器学习模型的输入,并根据所述机器学习模型输出的微观尺度气泡动力学特征对所述宏观尺度气蚀模型进行修正,使所述多尺度气蚀模型随所述目标气蚀流动的演化而更新。

6、在一些实施例中,所述宏观流动特征数据包括所述参考气蚀流动的压力以及速度;所述获取参考气蚀流动的宏观流动特征数据,包括:通过压力传感器、温度传感器以及流速传感器采集所述参考气蚀流动中气泡周围的物理环境参数;采集所述参考气蚀流动的实验数据,对所述实验数据进行特征提取,得到所述宏观流动特征数据。

7、在一些实施例中,在对所述实验数据进行特征提取之前,还包括:对所述实验数据进行数据清洗,所述数据清洗包括去除噪声、无效值以及重复值,并对异常值进行平滑处理或者剔除。

8、在一些实施例中,所述机器学习模型为回归模型或者神经网络模型;所述神经网络模型包括卷积神经网络或者人工神经网络。

9、在一些实施例中,在将训练后的所述机器学习模型嵌入宏观尺度气蚀模型之前,还包括:利用独立于所述训练样本的验证数据集对训练后的所述机器学习模型进行准确性验证。

10、在一些实施例中,对计算流体力学中的所述目标气蚀流动进行求解时,对所述目标气蚀流动中发生气蚀的区域进行网格加密;所述网格加密满足网格细化标准,所述网格细化标准为加密后的细网格体积与加密前的粗网格体积之比。

11、本发明的另一方面提供一种气蚀仿真系统,包括:数据获取模块,用于获取参考气蚀流动的宏观流动特征数据;微观模拟模块,用于基于微观尺度的气泡动力学模型对所述参考气蚀流动中气泡的微观动力学行为进行模拟,获得微观尺度气泡动力学特征;模型训练模块,用于根据所述宏观流动特征数据与所述微观尺度气泡动力学特征构建训练样本并训练机器学习模型,以建立宏观流动特征与所述微观尺度气泡动力学特征之间的映射关系;模型构建模块,用于将训练后的所述机器学习模型嵌入宏观尺度气蚀模型,使所述宏观尺度气蚀模型根据所述机器学习模型输出的微观尺度气泡动力学特征得到修正,得到多尺度气蚀模型;求解模块,用于根据所述多尺度气蚀模型对计算流体力学中的目标气蚀流动进行求解,得到所述目标气蚀流动的数值模拟结果。

12、本发明的又一方面提供一种计算机可读存储介质,存储有计算机指令,所述计算机指令被处理器执行时,实施如上述实施例中任一项所述的气蚀仿真方法。

13、本发明的气蚀仿真方法通过基于微观尺度的气泡动力学模型对参考气蚀流动中气泡的微观动力学行为进行模拟以获得微观尺度气泡动力学特征,并根据参考气蚀流动的宏观流动特征数据与该微观尺度气泡动力学特征训练机器学习模型、建立二者之间的映射关系,进而将训练后的机器学习模型嵌入宏观尺度气蚀模型、使宏观尺度气蚀模型根据机器学习模型输出的微观尺度气泡动力学特征得到修正而构成多尺度气蚀模型,从而将通常被单一宏观尺度气蚀模型所遗漏的微观尺度气泡动力学信息引入宏观尺度气蚀模型;如此,在利用所述多尺度气蚀模型对目标气蚀流动进行数值求解时,能够使数值模拟结果计入微观尺度的气泡动力学信息,从而提高气蚀流动的预测精度;同时,由于目标气蚀流动的求解仅依赖已训练好的多尺度气蚀模型进行预测,而无需对目标气蚀流动本身重新采集实验数据或进行微观模拟,可应用于缺乏实验测量条件的目标气蚀流动,兼具通用性与工程可行性。

1.一种气蚀仿真方法,其特征在于,包括:

2.如权利要求1所述的气蚀仿真方法,其特征在于,所述使所述宏观尺度气蚀模型根据所述机器学习模型输出的微观尺度气泡动力学特征得到修正,包括:

3.如权利要求2所述的气蚀仿真方法,其特征在于,所述相变源项包括表征气泡生成的蒸发项和表征气泡溃灭的冷凝项;

4.如权利要求1所述的气蚀仿真方法,其特征在于,对计算流体力学中的所述目标气蚀流动进行求解的过程中,以当前求解得到的宏观流动特征作为所述机器学习模型的输入,并根据所述机器学习模型输出的微观尺度气泡动力学特征对所述宏观尺度气蚀模型进行修正,使所述多尺度气蚀模型随所述目标气蚀流动的演化而更新。

5.如权利要求1所述的气蚀仿真方法,其特征在于,所述宏观流动特征数据包括所述参考气蚀流动的压力以及速度;

6.如权利要求5所述的气蚀仿真方法,其特征在于,在对所述实验数据进行特征提取之前,还包括:

7.如权利要求1-6中任一项所述的气蚀仿真方法,其特征在于,所述机器学习模型为回归模型或者神经网络模型;

8.如权利要求1-6中任一项所述的气蚀仿真方法,其特征在于,在将训练后的所述机器学习模型嵌入宏观尺度气蚀模型之前,还包括:

9.如权利要求1-6中任一项所述的气蚀仿真方法,其特征在于,对计算流体力学中的所述目标气蚀流动进行求解时,对所述目标气蚀流动中发生气蚀的区域进行网格加密;

10.一种气蚀仿真系统,其特征在于,包括:

11.一种计算机可读存储介质,其特征在于,存储有计算机指令,所述计算机指令被处理器执行时,实施如权利要求1-9中任一项所述的气蚀仿真方法。