通过实验风洞观测建立航空航天替代模型的数据融合框架

arXiv:2609.04267v1 公告类型：新 摘要：在高保真 CFD 数据上训练的空气动力学替代模型可以准确地再现标量输出和整个场的数值预测，但其预测保真度受到 CFD 与实验观察之间的系统差异的限制。我们提出了一个基于实验的校正框架，该框架使用风洞 PSP 测量来适应 CFD 训练的深度学习代理。 Geotransolver 代理程序接受了 NASA CRM 翼身配置的 2,300 个高保真 CFD 模拟训练，涵盖几何变化、马赫数 0.70-0.85 和迎角 0 到 4 度，再现了 CFD 积分空气动力和俯仰力矩，R2 > 0.99，但与实验数据不匹配。为了在不重新训练替代物的情况下合并实验信息，校正网络在相同迎角范围内的两个自由流马赫数（0.70 和 0.85）下对空间注册的 PSP 测量进行训练，学习替代物预测的表面压力分布与实验测量的表面压力分布之间的差异。在 0.85 马赫时，校正大大提高了与 PSP 的一致性，特别是在机翼吸力峰值、激波位置和随后的压力恢复处，减少了预测误差的大小以及 Cp 超过 0.05 的润湿表面的比例，并且它是根据有限的实验数据集实现的，无需修改预训练的替代参数。在保持攻角时，接地替代物与测量结果的一致性在 Cp 测量范围的 2.3-2.7% 范围内，并且优于每个测试状态下测量条件之间的直接插值。因此，实验测量可以通过学习系统性 CFD 与实验的差异，同时保持其泛化能力和计算效率，为大规模模拟训练的替代物奠定基础。