排灌机械工程学报

作者：郭荣, 罗鑫, 杨兴, 王雪晗

关键词：泵喷推进器,循环神经网络,长短期记忆网络,流场预测,回归,喷流

基金：国家自然科学基金资助项目(52009050);中国博士后科学基金资助项目(2020M673537);兰州理工大学红柳优青项目

针对航行条件下泵喷推进器非定常流场计算规模大、分析耗时且成本高的问题,提出基于循环神经网络(recurrent neural network, RNN)与长短期记忆网络(long short-term memory,LSTM)2种机器学习方法构建流场预测框架,通过数值方法获取航行速度v=2.91 kn时泵喷尾部喷流流场的时间序列数据,进行样本集制作并训练预测框架,对泵喷尾部喷流进行非定常周期性预测.结果表明:2种预测框架的决定系数R2均高于0.995 0,预测结果平均绝对误差MAE均小于0.079 0,均方根误差RMSE均小于0.089 0,RNN模型训练1个epoch耗时不超过40 s,LSTM模型不超过115 s,表明RNN与LSTM神经网络预测模型均能够准确、高效预测泵喷尾部喷流复杂的非定常流动规律及空间分布规律;2种模型在进行长、短期预测时,对不同的变量预测精度有所不同,短期预测选取RNN模型耗时更少,预测精度更高,长期预测时LSTM模型的预测能力更强.

来源：2025年第10期

《排灌机械工程学报》期刊编辑部

查看排灌机械工程学报杂志2025年第10期