数据驱动在导管桨斜流工况分析中的应用

基于湍流模型SSTk-ω和滑移网格技术对不同斜流角（0°、10°和20°）和不同进速系数J(0.3、0.5和0.7)下导管螺旋桨的水动力参数、轴承力和速度场进行对比分析。为解决传统计算流体力学方法存在的耗费大量时间及需要大量网格等问题，提出一种快速且准确率高的深度学习模型CNN-LSTM对导管螺旋桨进行高效准确预测。研究结果表明：随着斜流角和进速系数的增大，导管螺旋桨的轴承力的波动幅度和峰值均增大。数据驱动模型CNN-LSTM不仅能够使得预测值较好地吻合CFD值，也能准确预测不同斜流角及不同进速系数下的相位差以及峰值差异，结果显示较大的差异出现在轴承力的波峰和波谷处。最后，文章还分析了斜流角和进速系数对导管桨间隙流场的影响。