基于POD和PSO-RBFNN的泵喷推进器尾部流场快速预测方法
来源：振动与冲击杂志2025年第22期北京时间：
作者：郭荣guorong@lut,,，罗鑫，韩伟,,，李仁年,,
单位：1.兰州理工大学能源与动力工程学院，兰州730050；2.兰州理工大学甘肃省流体机械及系统重点实验室，兰州730050；3.兰州理工大学特种泵阀及流控系统教育部重点实验室，兰州730050
摘要：针对航行条件下泵喷推进器尾部流场预测计算规模大、分析耗时且成本高的问题，基于本征正交分解(proper orthogonal decomposition, POD)和经过粒子群优化(particle swarm optimization, PSO)算法改进的径向基神经网络(radial basis function neural network, RBFNN)方法构建快速预测模型(PSO-RBFNN)。采用中心复合设计(central composite design, CCD)方法对几何参数设计空间随机抽样，然后利用 POD方法将高维流场数据映射到低维基模态空间，使用PSO-RBFNN建立几何参数到基模态系数的多层神经网络模型，实现尾部流场的快速预测。结果表明：经PSO优化的RBFNN模型具有更加优异的回归性能，构建的POD和PSO-RBFNN相结合混合模型可以实现泵喷推进器尾部流场分布特征快速准确预测，相对误差在8%以内；轴心速度呈现出先增后减并逐渐衰减为0的过程，POD & PSO-RBFNN混合模型能够准确预测这一动态特征。<br>
关键词：泵喷推进器；尾部喷流；本征正交分解(POD)；粒子群优化(PSO)算法；径向基神经网络(RBFNN)
