基于多门控混合专家网络的燃烧热化学流形表征

为了更好地在小火焰燃烧模型框架内实施燃烧热化学流形表征,采用多任务学习领域中的多门控混合专家网络(MMoE).通过对三维层流喷雾射流火焰构型进行详细化学(DC)模拟,构建原始数据集.原始数据集经过Box-Cox转换和标准化处理,以应对燃烧数据的多尺度分布问题.对数据集进行Pearson相关系数分析,结果表明部分化学组分之间无明显的相关性.分别构建同等参数量规模的MMoE和前馈神经网络(FNN)模型,对比分析结果表明,2种模型取得的损失值和决定系数相近,但相比FNN模型,MMoE模型在训练过程中更加稳定,且取得的定量预测结果更加准确.

基于物理信息神经网络的燃烧化学微分方程求解

为了有效地将湍流燃烧复杂的物理化学信息嵌入到物理信息神经网络(PINNs),选取湍流燃烧模拟中的2个典型场景案例,即刚性常微分方程ROBER问题及稳态射流火焰混合分数方程求解,探索PINNs在燃烧化学微分方程计算中的应用潜力.结果表明,对于零维刚性反应系统,利用PINNs模型可以较好地捕捉到系统的演化过程;对于稳态射流火焰,PINNs的预测解与传统的数值解有较好的一致性.残差点的选取对于燃烧化学领域内的复杂微分方程求解尤为重要,应基于具体的构型详细考虑.

采用Simulink和VRML的六自由度弹道多视角可视化仿真

以Simulink为平台,搭建了六自由度弹道数值仿真模型,以V-Realm Builder 2. 0为平台,搭建导弹和目标的虚拟现实模型,并设置多个跟踪观察视角。通过Simulink中的VR工具箱,将数值仿真模型和虚拟现实模型连接起来,建立了可视化仿真模型以实现可视化仿真。在获得数值仿真结果的同时,实时观察导弹飞行姿态。仿真结果表明,模型能够正确反映出导弹飞行特性,验证了模型的正确性。