物理融合射流噪声预测模型

预测更准且可解释

该模型在深度神经网络中融入了射流噪声的物理知识,比纯数据驱动方法预测更可靠,并能量化大尺度与小尺度湍流结构对噪声的贡献。

Bai, Baohong · Zhang, Yingzhe · 李晓东 · 高军辉

International Journal of Aeroacoustics 2024

技术优势

预测可解释

能给出大尺度与小尺度湍流结构各自对噪声频谱的贡献,这是纯数据驱动模型做不到的。

预测更可靠

通过融入物理约束,避免了纯数据驱动模型的纯曲线拟合问题。

计算负担小

用两个简单的有理函数替代原本复杂的相似频谱函数,降低了模型复杂度。

应用场景