基于POD-RBFN降阶模型的串列叶栅流场预测

• 作者: 尚珣 刘汉儒 杜亦璨 胡之颉
• 来源期刊: 航空工程进展
• 学科: 航空航天
• 关键词: 降阶模型 本征正交分解 径向基函数神经网络 自适应抽样 压气机串列叶栅
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 论文
• 页码范围: 86-94
• 页数: 8页
• 分类号: V231.3
• 语种: 中文
• DOI: 10.16615/j.cnki.1674-8190.2022.05.09

摘要

通过传统实验或CFD 手段获取流场信息的方法往往需要耗费大量资源或时间，这在需要快速获取大量流场信息时产生的成本是无法接受的，发展比传统CFD 更快速的流场预测方法具有重要意义。采用本征正交分解（POD）方法对样本流场进行模态分解，提取流场的主导模态；而后采用径向基函数神经网络（RBFN）响应POD 基函数的系数，实现流场降阶预测模型的构建，并在模型中采用基于函数响应偏差的自适应抽样方法；通过某串列叶栅非定常流场数据对预测模型进行验证。结果表明：本文构建的POD-RBFN 混合模型可以快速准确地预测出串列叶栅的流场参数分布；与静态采样相比，本文采用的自适应采样方法在采样效率上表现出明显优势，同样重构精度所需的样本数降低了25% 左右。