来源：期刊VIP网 时间：
作者：王子涵;陈玉乾;刘和东;黄玥;金华;尤延铖;
单位：厦门大学人工智能研究院;厦门大学航空航天学院;
摘要：准确识别超燃冲压发动机的燃烧模态并确定模态转换的边界，对于超燃冲压发动机的安全、可靠性和高效运行至关重要。基于数据融合的思路，本文提出了一种可以跨构型的超燃冲压发动机燃烧模态无监督聚类识别方法。利用数值仿真计算获得两种构型（上凹腔和下凹腔）的上下壁面物理数据和流场密度梯度图像数据集，将两类数据融合后进行无监督聚类，并与燃烧模态人工判定标准以及非数据融合的聚类方法进行对比。研究结果表明：针对两种构型燃烧室，将燃烧模态划分为三类（超燃模态、双模态亚燃模态和深度亚燃模态）是比较合理的。本文提出的方法在两种构型中准确率分别达到了92.02%和92.88%，衡量分类的质量调整兰德系数（Adjusted Rand Index,ARI）和标准互信息（Normalized Mutual Information,NMI）两项指标均在0.8以上，且性能均优于单独使用上下壁面物理数据和密度梯度图像进行聚类的结果，具备更良好的聚类性能。本文的方法可以充分利用获得的数据，无须标注标签，即可实现较高的燃烧模态识别准确率，从而实现低成本、高效率的超燃冲压发动机跨构型多燃烧模态识别，以及模态转换边界的确定。
关键词：超燃冲压发动机;;燃烧模态识别;;数据融合;;无监督聚类;;神经网络
