基于机器学习的高速复杂流场流动控制效果预测分析

摘要

流动控制激励器是主动流动控制技术的核心,其设计水平和工作性能直接决定了主动流动控制的应用效果和应用方向。为了获得流动控制激励器的作用规律,需要大量实验研究激励参数对控制效果参数的影响,实验代价较大。利用逆向等离子体合成射流激波控制实验数据,采用机器学习中的高斯过程回归模型,获得激励器参数(头锥直径、腔体体积、放电电容、出口直径)到控制效果参数(最大脱体距离)的映射规律,对比多种核函数下高斯过程回归的预测效果,采用特征重要性分析方法分析激励器参数对控制效果参数的影响程度。结果表明:对于小样本问题,采用2次多项式核函数Poly2的高斯过程回归预测精度最高。在特征重要性分析上,头锥直径对最大脱体距离的影响程度最大;其次是放电电容和腔体体积,2个参数的影响相近;出口直径影响最小。本文工作可为高速复杂流场流动控制实验中激励器各项参数的设置提供一定参考。