基于深度神经网络的高阶非线性激波判别式

超声速流动数值模拟中准确识别激波位置对求解飞行器气动特性十分关键,传统的人工构造激波识别方法严重依赖于经验参数,在实际应用中存在一定局限性。为了建立更加通用的激波识别方法,采用深度神经网络构建了高阶非线性激波判别式。在生成了训练数据集与测试数据集的基础上,构建深度前馈神经网络并训练该模型使其满足激波识别预测精度,并通过一维Lax、Sod激波问题及二维超声速无黏圆柱绕流算例验证了该判别式的准确性。结果表明,本文构建的高阶非线性激波判别式相较于人工构造的激波识别器能更加精准地判别光滑区域和激波区域,在不同来流马赫数、不同网格分布条件下均能准确识别出激波位置,但激波识别精度依赖于网格分辨率。