基于长短期记忆神经网络的涡激振动快速预报 |
| |
引用本文: | 肖裕程,李亮,徐铭泽.基于长短期记忆神经网络的涡激振动快速预报[J].中国造船,2023(5):130-145. |
| |
作者姓名: | 肖裕程 李亮 徐铭泽 |
| |
作者单位: | 1. 中国船舶科学研究中心 |
| |
摘 要: | 基于本征正交分解(POD)方法和长短期记忆(LSTM)神经网络,建立圆柱双自由度VIV短期高精度快速预报模型,即POD-LSTM模型。模型训练所需数据通过浸没边界格子玻尔兹曼方法(IB-LBM)生成。基于POD降阶方法建立编码层和解码层,将流场快照集转化为一系列模态系数的时间序列,将其作为LSTM网络的输入,并将预报所得模态系数重构为流场快照。通过LSTM及滑动时间窗口策略实现未来任意时刻信息的预报。在Re=150、Ur=3,5,6,8工况下,基于过去50个时刻的历史数据,对未来300个时刻的流场速度分布及圆柱横流向位移进行预报。速度场的量纲一预报误差和均方根误差、圆柱横流向位移的均方根误差均维持在较低的水平,证明了POD-LSTM模型具备较高的预报精度。此外,在相同条件下,POD-LSTM模型计算耗时仅为IB-LBM的5.27%,在预报效率方面有显著优势。
|
关 键 词: | 深度学习 长短期记忆 涡激振动 本征正交分解 |
|
|