Eine neuartige Graph-Modellierungsmethode zur Rekonstruktion von Strömungsfeldern hypersonischer Flugzeuge auf Basis von GNN.

Die Erkennung von Strömungsfeldern spielt eine entscheidende Rolle beim Fortschritt und der Innovation hypersonischer Flugzeuge. Unter hypersonischen Bedingungen zeigen die Aerodynamiken von Flugzeugen eine Vielzahl komplexer Phänomene, einschließlich intensiver Turbulenzen und Schwankungen, Übergängen innerhalb der Grenzschicht, Wechselwirkungen zwischen Stoßwellen und Grenzschichten sowie die Auswirkungen von Hochtemperaturgas. Daher ist die Überwachung der Strömungsfelder hypersonischer Flugzeuge nicht nur für die Flugsicherheit, sondern auch für den Fortschritt hypersonischer Technologien unerlässlich. Angesichts der praktischen Einschränkungen, die die Sensoren auf nur wichtige Bereiche zur Erkennung beschränken, schlagen wir eine GNN-basierte Methode zur Rekonstruktion von Strömungsfeldern hypersonischer Flugzeuge aus begrenzten Sensoren vor. Darüber hinaus haben wir eine neuartige Graph-Modellierungstechnik eingeführt, um die Rekonstruktion zu verbessern, wobei ausschließlich die bedeutendsten Kanten innerhalb des Graphen für die Feldrekonstruktion wirksam sind. Die Methodik umfasst die folgenden Schritte: Modellierung von Graphen aus unterschiedlichen Perspektiven und Umwandlung in minimale Spannbäume. Diese spärlichen Graphen werden dann mit lernbaren Gewichten integriert, die durch automatische Differenzierung optimiert werden. Unsere Methode wurde an einem Open-Source-Turbulenzdatensatz getestet, wobei die beiden Komponenten der Graphenbeschneidung und Gewichtoptimierung im Schnitt Verbesserungen von 34 % bzw. 10 % bringen. Darüber hinaus wurde unser Ansatz bei der Rekonstruktion von Strömungsfeldern hypersonischer Flugzeuge validiert, wobei eine Reduktion des Fehlers um mindestens 10 % in allen Situationen erzielt wurde.