关键词:
气/水介质
湍流噪声
BP神经网络
预测模型
开缝圆柱
粒子图像测速
摘要:
针对常规气/水介质湍流噪声强度数值求解耗时长、效率低的问题,建立相似流动条件下气/水介质钝体/空腔湍流噪声强度的神经网络预测模型,以根据水下噪声强度高效预测同雷诺数下的气动噪声强度,为气/水介质湍流噪声强度的高效预测以及控制方法、测噪试验介质可替换性的研究提供技术支撑。开展粒子图像测速试验,测得开缝圆柱绕流速度以验证数值方法的有效性。采用大涡模拟方法构建气/水介质湍流噪声强度的数值模型,模型的平均速度计算误差小于2.25%,测试值与模拟值的斯特劳哈尔数误差仅为0.89%。由数值模型获得1338条数据信息,用于构建训练样本数据集。基于关键流动参数构建BP(反向传播)神经网络来映射气/水介质湍流噪声关系,并采用Levenberg-Marquardt算法训练预测模型,该模型以Sigmoid函数作为激活函数,包含8个输入神经元、1个输出神经元以及单隐藏层。研究结果表明:所提出的BP神经网络预测模型可根据水下噪声强度预测同雷诺数下的气动噪声强度,最大预测误差小于6.21dB,平均误差为0.44dB,模型泛化能力良好,在测试集非规律点处的总声压级误差为0.27dB;相同硬件环境下,数值求解用时约30h,BP神经网络模型预测用时仅70s,显著提升了计算效率。