[发明专利]一种预测空泡迁移方向的方法

说明书

本发明公开了一种预测空泡迁移方向的方法，首先通过实验获得边界物质属性和流体参数与空泡迁移方向的对应关系，其次在传统深度学习模型的基础上耦合Kelvin冲量作为约束条件建立预测空泡迁移方向的二阶段深度学习模型；然后将实验所得数据边界物质属性和流体参数作为二阶段深度学习模型的输入参数，Kelvin冲量作为边界条件，空泡的溃灭位置为二阶段深度学习模型的输出参数，对二阶段深度学习模型进行训练；最后输入边界的质量系数和刚度系数，进而得到空泡的理论迁移方向。

技术领域

本发明涉及空泡动力学和计算机科学技术领域，具体涉及一种采用Kelvin冲量和深度学习相耦合的两阶段方法来预测空泡迁移方向的方法。

背景技术

当流体内部压力低于饱和蒸气压时，液体相变产生的大量空泡是水力机械表面产生空蚀的重要原因。研究发现，空泡的迁移方向与边界类型紧密相关，例如，在刚性壁面附近，空泡朝向刚性壁面迁移；在自由液面附近，空泡远离自由液面；而在弹性壁面附近，空泡于特定工况下产生既不朝向壁面、也不远离壁面的中心溃灭现象。受此启发，工程人员于水力机械过流部件表面涂抹弹性涂层以抵御空蚀损伤，因此研究边界材料对空泡的迁移方向具有重要的工程应用价值。

空泡的迁移方向与边界的耦合作用是复杂的流固耦合现象，难以采用传统的理论方法和数值模拟进行研究。经典的Kelvin冲量能够有效预测空泡在刚性壁面和自由液面附近的迁移方向，但是由于Kelvin冲量的Bjerknes力项没有考虑边界的动态响应对空泡迁移的影响，因此难以准确预测弹性边界附近的空泡迁移方向。除此之外，随着材料科学与制备的不断发展，水力机械过流部件的材料已由传统的金属材料发展到材料属性复杂的先进材料(例如具有各向异性的复合材料，电能和力学相互转化的压电材料等)，其本构方程难以采用传统的数值计算方法来模拟。

发明内容

有鉴于此，本发明提供了一种预测空泡迁移方向的方法，在传统深度学习模型的基础上耦合Kelvin冲量作为约束条件，实现了对空泡迁移方向的准确预测。

一种预测空泡迁移方向的方法，该方法的实现步骤如下：

步骤一：通过实验获得边界物质属性和流体参数与空泡迁移方向的对应关系；边界物质属性包括惯性、刚度和阻尼系数，流体参数包括粘度、流速和重力系数；

步骤二：在传统深度学习模型的基础上耦合Kelvin冲量作为约束条件建立预测空泡迁移方向的二阶段深度学习模型；

步骤三：将实验所得数据边界物质属性和流体参数作为二阶段深度学习模型的输入参数，Kelvin冲量作为边界条件，空泡的溃灭位置为二阶段深度学习模型的输出参数，对二阶段深度学习模型进行训练；

步骤四：在步骤三的基础上输入边界的质量系数m和刚度系数k，进而得到空泡的理论迁移方向。

进一步地，所述Kelvin冲量的定义为

I＝I^g+I^ε (1)

其中，等号右侧第一项为重力项，第二项为壁面造成的Bjerknes力项，其定义分别如式(2)和式(3)所示，

其中，R_m为空泡最大半径，B为Belta计算方程，ρ为流体密度，p为空泡内外压力差，g为重力加速度，L为空泡中心与边界的距离，e为单位方向。

有益效果：

本发明的预测方法忽略空泡与边界复杂耦合的物理机制过程，直接采用试验数据驱动的深度学习方法建立边界物质属性(惯性、刚度、阻尼系数)和流体参数(粘度、流速、重力系数)等因素与空泡迁移方向的对应关系，是研究空泡与边界耦合的新理论方法。

附图说明

图1为本发明实现的步骤流程图；