前馈神经网络构造周期山状流的大涡模拟壁模型

CORC > 力学研究所 > 中国科学院力学研究所 > 非线性力学国家重点实验室

	前馈神经网络构造周期山状流的大涡模拟壁模型
	周志登 ; 何国威 ; 杨晓雷
	2020-12-03
会议日期	2020-12-03
会议地点	中国广东深圳
关键词	周期山状流大涡模拟壁模型神经网络近壁流动
页码	941
英文摘要	自然界以及工程流动通常处于高雷诺数、非定常的湍流状态,大涡模拟是预测非定常湍流的重要工具。在具有强压力梯度、分离和再附等流动特征的复杂壁湍流中,基于均衡假设的传统大涡模拟壁模型常常难以准确计算壁面切应力,从而无法为外区流动提供准确的边界条件。针对传统壁模型无法准确预测复杂壁湍流的问题,我们以周期山状流为研究对象,以壁面解析的大涡模拟数据为基础,采用机器学习方法构造数据驱动的壁模型。首先进行数据准备,我们输出较长时间的展向截面瞬时流场,从下壁面的不同流向位置,沿法向取点,插值得到近壁流动数据。随后以壁面法向距离、近壁速度和压力梯度为输入特征,以流向和展向壁面切应力为输出标签,对其分别进行线性归一化,采用多隐层前馈神经网络训练壁模型。模型训练成功后,对其进行先验研究。在先验研究中,对于训练集内的瞬时应力和时均应力,模型都可以准确地预测,表明模型具有较高的预测精度;对于训练集以外的流动截面,模型预测与真实的时均应力在不同流向位置也有较好吻合,关联系数接近于1、相对误差接近于0,预测与真实的瞬时应力的变化趋势基本一致,脉动幅值略有差异,表明训练的壁模型具有较强的泛化能力。
会议录	第十一届全国流体力学学术会议论文摘要集
资助机构	国家自然科学基金委基础科学中心项目“非线性力学的多尺度问题研究”(NO.11988102)资助
语种	中文
内容类型	会议论文
源URL	[http://dspace.imech.ac.cn/handle/311007/85605]
专题	力学研究所_非线性力学国家重点实验室
作者单位	1.中国科学院大学工程科学学院 2.中国科学院力学研究所非线性力学国家重点实验室
推荐引用方式 GB/T 7714	周志登,何国威,杨晓雷. 前馈神经网络构造周期山状流的大涡模拟壁模型[C]. 见:. 中国广东深圳. 2020-12-03.