采用残差神经网络对来流Ma∞在0.3~0.8范围内球柱型激光转塔模型的稳态流场开展机器学习, 建立此范围内任意来流条件下的亚声速/跨声速流场预测, 并针对不同视场角下的光束波前畸变评估此模型的预估精度。学习模型可再现转塔流动中的边界层、流动分离以及分离剪切层等流动特征, 尤其包括跨声速流动中的非锚定激波间断现象。基于预测流场计算的不同视场角下的波前分布与根据传统计算流体力学(CFD)模拟流场的结果基本一致。该机器学习方法为工程领域中激光转塔气动光学效应自适应校正提供了策略。
