面向激波湍流干扰问题的激波侦测方法、装置、设备及介质

技术领域

本发明涉及数值模拟技术领域，特别涉及面向激波湍流干扰问题的激波侦测方法、装置、设备及介质。

背景技术

在超/高超声速的流动数值模拟中，激波严重影响计算稳定性，甚至引起计算的发散，因此需要准确高效的捕捉激波，包括激波的位置、强度和变化等。尤其是当激波与湍流脉动发生强烈耦合，常规的激波侦测器将湍流小扰动结构误判为激波。激波侦测器能够判断整个流场中激波的位置，决定着激波捕捉格式应该在哪些区域使用，是整个混合格式的格式切换开关。现有激波侦测器的方案主要分为两类，一类通过计算流场中流动变量的梯度来侦测激波结构。当流场变量出现大的梯度时被认为是激波结构。例如，目前的一些技术文献（如Shu, Chi Wang . "Essentially non-oscillatory and weighted essentiallynon-oscillatory schemes for hyperbolic conservation laws." Institute forComputer Applications in Science and Engineering.

综上，如何实现精确捕捉流场中的激波结构，避免流场小扰动误判为激波造成流场精度缺失，对流场各位置可能产生的激波结构进行准确判断，选择合适的激波捕捉格式是有待解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供面向激波湍流干扰问题的激波侦测方法、装置、设备及介质，能够实现精确捕捉流场中的激波结构，避免流场小扰动误判为激波造成流场精度缺失，对流场各位置可能产生的激波结构进行准确判断，选择合适的激波捕捉格式。其具体方案如下：

第一方面，本申请公开了一种激波侦测方法，包括：

通过预设湍流数值模拟法获取当前流场在固定网格下的各个不同流场位置的网格尺寸和对应的流场数据；利用所述流场数据计算出对应流场位置的总焓以及总焓的第一分量梯度和总焓的第二分量梯度，以确定激波侦测器的总焓梯度变化；

根据所述总焓梯度变化与所述网格尺寸得到所述激波侦测器的第一激波侦测因子；遍历所述当前流场的各个不同流场位置，以获取所述当前流场的总焓分量梯度绝对值和的极值，并基于所述总焓分量梯度绝对值和的极值获取所述激波侦测器的第二激波侦测因子；

当所述第一激波侦测因子和所述第二激波侦测因子满足预设数值条件时，则判定所述激波侦测器识别所述当前流场中存在激波结构，并执行使用对应的预设数值格式计算与存在激波结构的区域和其他区域对应的当前流场的步骤。

可选的，所述通过预设湍流数值模拟法获取当前流场在固定网格下的各个不同流场位置的网格尺寸和对应的流场数据；利用所述流场数据计算出对应流场位置的总焓以及总焓的第一分量梯度和总焓的第二分量梯度，以确定激波侦测器的总焓梯度变化，包括：

通过预设湍流数值模拟法获取当前流场在固定网格下的各个不同流场位置的网格尺寸、密度、流向速度、法向速度、展向速度、压力、比热比和声速；

根据所述比热比、所述密度、所述压力计算总焓的第一分量，根据所述流向速度、所述法向速度、所述展向速度计算总焓的第二分量；

基于所述第一分量和所述第二分量确定总焓、与所述第一分量对应的第一分量梯度以及与所述第二分量对应的第二分量梯度；

获取所述第一分量梯度与第二分量梯度的各自绝对值并求和，以得到总焓分量梯度绝对值和，并利用所述总焓分量梯度绝对值和除以所述总焓得到激波侦测器的总焓梯度变化。

可选的，所述基于所述第一分量和所述第二分量确定总焓、与所述第一分量对应的第一分量梯度以及与所述第二分量对应的第二分量梯度，包括：

将所述第一分量和所述第二分量进行求和处理，以得到总焓；

分别对所述第一分量和所述第二分量进行x、y、z方向的梯度计算，以得到所述第一分量对应的第一分量梯度以及与所述第二分量对应的第二分量梯度。

可选的，所述面向激波湍流干扰问题的激波侦测方法，还包括：

当存在所述第一激波侦测因子和所述第二激波侦测因子的任一侦测因子不满足预设数值条件时，则判定不存在激波结构，并执行使用低耗散高分辨率格式计算所述当前流场的步骤。

可选的，所述根据所述总焓梯度变化与所述网格尺寸得到所述激波侦测器的第一激波侦测因子，包括：

对所述总焓梯度变化与所述网格尺寸进行乘法处理，以得到用于减少激波侦测受所述网格尺寸影响的第一激波侦测因子。

可选的，所述基于所述总焓分量梯度绝对值和的极值获取所述激波侦测器的第二激波侦测因子，包括：

对总焓分量梯度绝对值和的最大值与总焓分量梯度绝对值和的最小值进行除法处理，以得到所述激波侦测器的第二激波侦测因子。

可选的，所述当所述第一激波侦测因子和所述第二激波侦测因子满足预设数值条件时，则判定所述激波侦测器识别所述当前流场中存在激波结构，并执行使用对应的预设数值格式计算与存在激波结构的区域和其他区域对应的当前流场的步骤，包括：

当所述第一激波侦测因子大于0.025且所述第二激波侦测因子大于30时，则判定所述激波侦测器识别所述当前流场中存在激波结构，并使用鲁棒数值格式计算与存在激波结构的区域对应的当前流场；使用低耗散高分辨率格式计算除存在激波结构的区域外的其他区域对应的当前流场。

第二方面，本申请公开了一种面向激波湍流干扰问题的激波侦测装置，包括：

第一数据获取模块，用于通过预设湍流数值模拟法获取当前流场在固定网格下的各个不同流场位置的网格尺寸和对应的流场数据；利用所述流场数据计算出对应流场位置的总焓以及总焓的第一分量梯度和总焓的第二分量梯度，以确定激波侦测器的总焓梯度变化；

第二数据获取模块，用于根据所述总焓梯度变化与所述网格尺寸得到所述激波侦测器的第一激波侦测因子；遍历所述当前流场的各个不同流场位置，以获取所述当前流场的总焓分量梯度绝对值和的极值，并基于所述总焓分量梯度绝对值和的极值获取所述激波侦测器的第二激波侦测因子；

激波结构识别模块，用于当所述第一激波侦测因子和所述第二激波侦测因子满足预设数值条件时，则判定所述激波侦测器识别所述当前流场中存在激波结构，并执行使用对应的预设数值格式计算与存在激波结构的区域和其他区域对应的当前流场的步骤。

第三方面，本申请公开了一种电子设备，包括：

存储器，用于保存计算机程序；

处理器，用于执行所述计算机程序，以实现前述公开的面向激波湍流干扰问题的激波侦测方法的步骤。

第四方面，本申请公开了一种计算机可读存储介质，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的面向激波湍流干扰问题的激波侦测方法的步骤。

可见，本申请公开了一种面向激波湍流干扰问题的激波侦测方法，包括：通过预设湍流数值模拟法获取当前流场在固定网格下的各个不同流场位置的网格尺寸和对应的流场数据；利用所述流场数据计算出对应流场位置的总焓以及总焓的第一分量梯度和总焓的第二分量梯度，以确定激波侦测器的总焓梯度变化；根据所述总焓梯度变化与所述网格尺寸得到所述激波侦测器的第一激波侦测因子；遍历所述当前流场的各个不同流场位置，以获取所述当前流场的总焓分量梯度绝对值和的极值，并基于所述总焓分量梯度绝对值和的极值获取所述激波侦测器的第二激波侦测因子；当所述第一激波侦测因子和所述第二激波侦测因子满足预设数值条件时，则判定所述激波侦测器识别所述当前流场中存在激波结构，并执行使用对应的预设数值格式计算与存在激波结构的区域和其他区域对应的当前流场的步骤。由此可见，通过本发明在当前流场激波前后的总焓梯度变化，得到第一激波侦测因子和第二激波侦测因子，通过两个侦测因子能够精确捕捉当前流场激波结构的同时，不依赖具体数值格式，阈值依赖性小，以选择合适的数值格式进行流场计算，而且不会发生当激波与湍流脉动发生强烈耦合，常规的激波侦测器将湍流小扰动结构误判为激波的情况，能够应用于强激波与湍流相互干扰问题中的激波结构的侦测和计算。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请公开的一种面向激波湍流干扰问题的激波侦测方法流程图；

图2为本申请公开的一种基于总焓梯度变化得到激波侦测因子及应用方法流程图；

图3为本申请公开的一种激波侦测因子获取方法流程图；

图4为本申请公开的一种高精度混合格式HybWENO7应用激波侦测器方法流程图；

图5（a）为本申请公开的一种WENO7格式的局部密度等值线图；

图5（b）为本申请公开的一种HybWENO7格式的局部密度等值线图；

图6为本申请公开的一种应用HybWENO7的双马赫反射的激波侦测结果图；

图7为本申请公开的一种面向激波湍流干扰问题的激波侦测装置结构示意图；

图8为本申请公开的一种电子设备结构图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在超/高超声速的流动数值模拟中，激波严重影响计算稳定性，甚至引起计算的发散，因此需要准确高效的捕捉激波，包括激波的位置、强度和变化等。尤其是当激波与湍流脉动发生强烈耦合，常规的激波侦测器将湍流小扰动结构误判为激波。激波侦测器能够判断整个流场中激波的位置，决定着激波捕捉格式应该在哪些区域使用，是整个混合格式的格式切换开关。现有激波侦测器的方案主要分为两类，一类通过计算流场中流动变量的梯度来侦测激波结构。当流场变量出现大的梯度时被认为是激波结构。另一类是当散度显著大于旋涡的涡量时认为存在激波。这种方式能够很好的避免将流场小扰动判断为激波结构。但散度要比涡量大多少可以认为是激波却存在很大的不确定性，因此造成了应用上的困难。

为此，本发明提供了一种面向激波湍流干扰问题的激波侦测方案，能够实现精确捕捉流场中的激波结构，避免流场小扰动误判为激波造成流场精度缺失，对流场各位置可能产生的激波结构进行准确判断，选择合适的激波捕捉格式。

参照图1所示，本发明实施例公开了一种面向激波湍流干扰问题的激波侦测方法，包括：

步骤S11：通过预设湍流数值模拟法获取当前流场在固定网格下的各个不同流场位置的网格尺寸和对应的流场数据；利用所述流场数据计算出对应流场位置的总焓以及总焓的第一分量梯度和总焓的第二分量梯度，以确定激波侦测器的总焓梯度变化。

本实施例中，由于当气流通过激波时，总焓的值在激波前后会发生明显的变化。具体来说：通过监测总焓梯度的变化，可以确定激波的位置。在激波附近，总焓梯度通常会出现急剧的增加或减少，这可以作为激波存在的标志。激波的强度可以通过总焓梯度的变化幅度来评估。较强的激波通常会导致总焓梯度的较大变化，而较弱的激波则会引起较小的变化。

本实施例中，通过预设湍流数值模拟法获取当前流场在固定网格下的各个不同流场位置的网格尺寸、密度、流向速度、法向速度、展向速度、压力、比热比和声速。可以理解的是，通过可压缩流求解器获取固定网格下的定常/非定常流场数据，其中，可压缩流求解器中可以包括但不限于：大涡模拟、直接数值模拟以及混合模拟方法等预设湍流数值模拟法。然后固定网格是在进行数据模拟过程中当前流场被划分为固定形状和尺寸的网格单元，其中，固定网格类型可以为结构网格单元。这样一来，当前流场在选定的固定网格类型后，通过网格划分能够对当前流场进行网格划分，得到当前流场在固定网格下的划分结果，然后通过选定数值模拟法对当前流场在固定网格下的各个不同流场位置的网格尺寸及流场数据，流场数据具体可以包括：密度、流向速度、法向速度、展向速度、压力、比热比和声速。

本实施例中，根据所述比热比、所述密度、所述压力计算总焓的第一分量，根据所述流向速度、所述法向速度、所述展向速度计算总焓的第二分量。可以理解的是，通过

本实施例中，基于所述第一分量和所述第二分量确定总焓、与所述第一分量对应的第一分量梯度以及与所述第二分量对应的第二分量梯度；获取所述第一分量梯度与第二分量梯度的各自绝对值并求和，以得到总焓分量梯度绝对值和，并利用所述总焓分量梯度绝对值和除以所述总焓得到激波侦测器的总焓梯度变化。可以理解的是，将所述第一分量和所述第二分量进行求和处理，以得到总焓；也即，

步骤S12：根据所述总焓梯度变化与所述网格尺寸得到所述激波侦测器的第一激波侦测因子；遍历所述当前流场的各个不同流场位置，以获取所述当前流场的总焓分量梯度绝对值和的极值，并基于所述总焓分量梯度绝对值和的极值获取所述激波侦测器的第二激波侦测因子。

本实施例中，由于上一步骤获取到的总焓梯度变化是根据未包含网格尺寸信息的流场数据来确定的，因此，为了减少总焓梯度变化对网格尺寸敏感的问题，也即为了减少激波侦测受网格尺寸的影响，对所述总焓梯度变化与所述网格尺寸进行乘法处理，以得到用于减少激波侦测受所述网格尺寸影响的第一激波侦测因子，具体的，将总焓梯度变化乘以网格尺寸获取激波侦测器的第一激波侦测因子，也即通过

本实施例中，对总焓分量梯度绝对值和的最大值与总焓分量梯度绝对值和的最小值进行除法处理，以得到所述激波侦测器的第二激波侦测因子。可以理解的是，遍历整个当前流场，将当前流场的所有流场位置的总焓分量梯度绝对值和

步骤S13：当所述第一激波侦测因子和所述第二激波侦测因子满足预设数值条件时，则判定所述激波侦测器识别所述当前流场中存在激波结构，并执行使用对应的预设数值格式计算与存在激波结构的区域和其他区域对应的当前流场的步骤。

本实施例中，当所述第一激波侦测因子大于0.025且所述第二激波侦测因子大于30时，则判定所述激波侦测器识别所述当前流场中存在激波结构，并使用鲁棒数值格式计算与存在激波结构的区域对应的当前流场；使用低耗散高分辨率格式计算除存在激波结构的区域外的其他区域对应的当前流场。可以理解的是，由于第一激波侦测因子和第二激波侦测因子均为根据当前流场的流场数据实测获得的，因此，更换不同的流场，不同的数值格式，对判断当前流场是否存在激波结构的阈值依赖性小，因此，本发明提出的预设数值条件为：第一激波侦测因子大于0.025，且第二激波侦测因子大于30，这样一来，只要当前流场的总焓梯度变化情况所产生的第一激波侦测因子大于0.025，且第二激波侦测因子大于30时，即可判定当前流场存在激波结构，而不是将湍流小扰动结构误判为激波，使用WENO5格式（即五阶WENO格式，新型紧致格式；WENO，即Weighted Essentially Non-oscillatory，即加权基本无振荡）格式、Roe格式（Riemann Orthogonal Expansion，黎曼正交展开）、NND（Non-oscillatory and Non-free-parameter Dissipation difference scheme，无波动无自由参数的耗散差分）、WENO3格式（即三阶WENO格式）等这类鲁棒格式进行计算与存在激波结构的区域对应的当前流场。

本实施例中，当存在所述第一激波侦测因子和所述第二激波侦测因子的任一侦测因子不满足预设数值条件时，则判定不存在激波结构，并执行使用低耗散高分辨率格式计算所述当前流场的步骤。可以理解的是，当第一激波侦测因子小于或等于0.025，且第二激波侦测因子小于或等于30时，则认为二者不满足预设数值条件，不存在激波结构；当第一激波侦测因子小于或等于0.025，且第二激波侦测因子大于30时，则认为二者不满足预设数值条件，不存在激波结构；当第一激波侦测因子大于0.025，且第二激波侦测因子小于或等于30时，则认为二者不满足预设数值条件，不存在激波结构；当上述任一情况产生时，则直接使用低耗散高精度格式计算无激波结构的区域对应的当前流场，其中所述低耗散高精度格式具体可以为7阶迎风格式等。

可见，满足预设数值条件，也即满足激波条件使用WENO5强鲁棒格式，否则采用高分辨的迎风格式。需要注意的是，WENO5强鲁棒格式可以换成其他格式，迎风格式也可以换成其他的高分辨率格式。本发明核心在于识别判断在湍流干扰的场景下对当前流场是否存在激波结构的准确判断，以及利用判断是否存在激波结构后，对应的实现两类格式流场数据计算的链接，使在湍流干扰的环境下，能够自由准确的根据当前流场中的真实情况选择合适嵌入式的流场计算数值格式，而无需在流场计算前直接设定固定的单数值格式计算流场，大大提升了流场计算的准确性。

参照图2所示，获取用于对当前流场进行划分的网格数据，并将其作为固定网格，然后进一步获取当前流场在固定网格下的各个不同流场位置的网格尺寸和对应的流场数据，利用流场数据并结合前述总焓分量确定方式计算出总焓的第一分量

参照图3所示，关于第一激波侦测因子和第二激波侦测因子的确定过程，具体如下：基于前述可压缩流求解器生成的包含流场密度、速度、压力等流场数据，分别确定总焓的第一分量的第一分量梯度、第二分量的第二分量梯度，然后将获取的第一分量梯度和第二分量梯度进行取绝对值处理，得到标量，并将两个标量求和，得到总焓分量梯度绝对值和，最后利用总焓分量梯度绝对值和除以总焓再与网格尺寸相乘，得到第一激波侦测因子

参照图4所示，将激波侦测因子

下面给出来流马赫数Ma=10的双马赫反射问题在两种不同格式下的密度等值线图、激波侦测结果和四种格式下计算时间对比，本测试算例中选用WENO5格式进行激波计算，七阶线性迎风格式计算光滑区流场，即HybWENO7。图5（a）和图5（b）均为双马赫反射的局部密度等值线图，其中，该算例计算区域为[2，2.8]×[0，0.56]。横坐标x和纵坐标y一般表示流场中的长度、宽度或高度等维度，用于确定等值线图中每个点的位置，通过绘制密度等值线，可以清晰地展示流场中不同位置的密度分布情况，帮助分析和理解流场的特性。图5（a）和图5（b）给出了采用本发明的激波侦测器构造的高精度混合HybWENO7格式的流场计算结果，可以看到图5（b）中流场的不同位置的密度分布更加详细，流场分辨率要显然好于图5（a）经典的WENO7格式，可以显示更多的流动细节，且图5（a）和图5（b）中粗黑线条为多条等值线的密集分布导致的，细黑线条为单条等值线。如图6所示，图6为应用HybWENO7的双马赫反射的激波侦测结果，其中，该算例计算区域为[0，3.5]×[0，1]，横坐标x和纵坐标y一般表示流场中的长度、宽度或高度等维度，用于确定等值线图中每个点的位置，通过绘制密度等值线，可以清晰地展示流场中不同位置的密度分布情况，帮助分析和理解流场的特性。因此，本发明的激波侦测器可以敏锐、准确的捕捉到流场的激波。双马赫反射问题四种格式计算时间对比如下表1所示：

表1 双马赫反射问题的四种格式计算时间对比结果

可知，应用了本发明的激波侦测器的高精度混合格式的计算时间显著少于经典的WENO7格式，相对于改进的WENO7Z格式和WENO7PM格式，计算时间也大幅减少，分别节省计算时间41.6%，47.8%和31.3%。通过对多个算例计算结果的分析，发现对于越复杂和网格量越大的流动，时间节省效果越显著，这充分显示出本发明的优越性。

可见，本申请公开了一种面向激波湍流干扰问题的激波侦测方法，包括：通过预设湍流数值模拟法获取当前流场在固定网格下的各个不同流场位置的网格尺寸和对应的流场数据；利用所述流场数据计算出对应流场位置的总焓以及总焓的第一分量梯度和总焓的第二分量梯度，以确定激波侦测器的总焓梯度变化；根据所述总焓梯度变化与所述网格尺寸得到所述激波侦测器的第一激波侦测因子；遍历所述当前流场的各个不同流场位置，以获取所述当前流场的总焓分量梯度绝对值和的极值，并基于所述总焓分量梯度绝对值和的极值获取所述激波侦测器的第二激波侦测因子；当所述第一激波侦测因子和所述第二激波侦测因子满足预设数值条件时，则判定所述激波侦测器识别所述当前流场中存在激波结构，并执行使用对应的预设数值格式计算与存在激波结构的区域和其他区域对应的当前流场的步骤。由此可见，通过本发明在当前流场激波前后的总焓梯度变化，得到第一激波侦测因子和第二激波侦测因子，通过两个侦测因子能够精确捕捉当前流场激波结构的同时，不依赖具体数值格式，阈值依赖性小，以选择合适的数值格式进行流场计算，而且不会发生当激波与湍流脉动发生强烈耦合，常规的激波侦测器将湍流小扰动结构误判为激波的情况，能够应用于强激波与湍流相互干扰问题中的激波结构的侦测和计算。

参照图7所示，本发明还相应公开了一种面向激波湍流干扰问题的激波侦测装置，包括：

第一数据获取模块11，用于通过预设湍流数值模拟法获取当前流场在固定网格下的各个不同流场位置的网格尺寸和对应的流场数据；利用所述流场数据计算出对应流场位置的总焓以及总焓的第一分量梯度和总焓的第二分量梯度，以确定激波侦测器的总焓梯度变化；

第二数据获取模块12，用于根据所述总焓梯度变化与所述网格尺寸得到所述激波侦测器的第一激波侦测因子；遍历所述当前流场的各个不同流场位置，以获取所述当前流场的总焓分量梯度绝对值和的极值，并基于所述总焓分量梯度绝对值和的极值获取所述激波侦测器的第二激波侦测因子；

激波结构识别模块13，用于当所述第一激波侦测因子和所述第二激波侦测因子满足预设数值条件时，则判定所述激波侦测器识别所述当前流场中存在激波结构，并执行使用对应的预设数值格式计算与存在激波结构的区域和其他区域对应的当前流场的步骤。

可见，本申请公开了通过预设湍流数值模拟法获取当前流场在固定网格下的各个不同流场位置的网格尺寸和对应的流场数据；利用所述流场数据计算出对应流场位置的总焓以及总焓的第一分量梯度和总焓的第二分量梯度，以确定激波侦测器的总焓梯度变化；根据所述总焓梯度变化与所述网格尺寸得到所述激波侦测器的第一激波侦测因子；遍历所述当前流场的各个不同流场位置，以获取所述当前流场的总焓分量梯度绝对值和的极值，并基于所述总焓分量梯度绝对值和的极值获取所述激波侦测器的第二激波侦测因子；当所述第一激波侦测因子和所述第二激波侦测因子满足预设数值条件时，则判定所述激波侦测器识别所述当前流场中存在激波结构，并执行使用对应的预设数值格式计算与存在激波结构的区域和其他区域对应的当前流场的步骤。由此可见，通过本发明在当前流场激波前后的总焓梯度变化，得到第一激波侦测因子和第二激波侦测因子，通过两个侦测因子能够精确捕捉当前流场激波结构的同时，不依赖具体数值格式，阈值依赖性小，以选择合适的数值格式进行流场计算，而且不会发生当激波与湍流脉动发生强烈耦合，常规的激波侦测器将湍流小扰动结构误判为激波的情况，能够应用于强激波与湍流相互干扰问题中的激波结构的侦测和计算。

进一步的，本申请实施例还公开了一种电子设备，图8是根据一示例性实施例示出的电子设备20结构图，图中的内容不能认为是对本申请的使用范围的任何限制。

图8为本申请实施例提供的一种电子设备20的结构示意图。该电子设备20，具体可以包括：至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中，所述存储器22用于存储计算机程序，所述计算机程序由所述处理器21加载并执行，以实现前述任一实施例公开的面向激波湍流干扰问题的激波侦测方法中的相关步骤。另外，本实施例中的电子设备20具体可以为电子计算机。

本实施例中，电源23用于为电子设备20上的各硬件设备提供工作电压；通信接口24能够为电子设备20创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议，在此不对其进行具体限定；输入输出接口25，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。

其中，处理器21可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器21可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器21也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器21可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器21还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。

另外，存储器22作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，其上所存储的资源可以包括操作系统221、计算机程序222等，存储方式可以是短暂存储或者永久存储。

其中，操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222，以实现处理器21对存储器22中海量数据223的运算与处理，其可以是Windows Server、Netware、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的面向激波湍流干扰问题的激波侦测方法的计算机程序之外，还可以进一步包括能够用于完成其他特定工作的计算机程序。数据223除了可以包括电子设备接收到的由外部设备传输进来的数据，也可以包括由自身输入输出接口25采集到的数据等。

进一步的，本申请还公开了一种计算机可读存储介质，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的面向激波湍流干扰问题的激波侦测方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器RAM（Random Access Memory）、内存、只读存储器ROM（Read Only Memory）、电可编程EPROM（Electrically Programmable Read Only Memory）、电可擦除可编程EEPROM（ElectricErasable Programmable Read Only Memory）、寄存器、硬盘、可移动磁盘、CD-ROM（CompactDisc-Read Only Memory，紧凑型光盘只读储存器）、或技术领域内所公知的任意其它形式的存储介质中。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明所提供的方案进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。