| 数据驱动的湍流演化预测模型 |
| 李新亮 ; 张吉; 门弘远
|
| 会议录名称 | 第十三届全国流体力学学术会议摘要集（上）
|
| 2024-08-09
|
| 页码 | 456
|
| 会议名称 | 第十三届全国流体力学学术会议（上）
|
| 会议日期 | 2024-08-09
|
| 会议地点 | 中国黑龙江哈尔滨
|
| 摘要 | 基于少量已有的湍流数据对流场的演化进行快速准确预测,可为流场分析、气动设计及流动建模提供数据支撑,具有较强的应用价值。作者提出了两种基于机器学习的湍流演化预测模型。第一种模型是基于光流法及全连接人工神经网络的预测模型。该模型可依据少量时刻的湍流数据,对中间任意时刻的流场进行预测,实现流场时间尺度的超分辨。该模型首先采用光流法(即泰勒冻结假设),对中间时刻湍流场进行预测,然后再利用全连接人工神经网络,对预测的结果进行修正,从而达到更准确地预测湍流场。第二种模型是基于卷积网络的湍流场演化预测模型,该模型引入了多重融合注意力(MFA)和空间梯度锐化方法(STGS),可基于已有时刻的湍流场,对后续多个时刻湍流场进行预测。利用Mach 4-12平板湍流边界层及压缩折角激波/湍流边界层干扰问题直接数值模拟(DNS)的流场,对上述两个模型进行了检验,两个模型均可较好地预测湍流演化过程。 |
| 关键词 | 机器学习
湍流
预测模型
直接数值模拟
|
| 资助信息 | 国家自然科学基金项目资助（No.12232018）
|
| 文献类型 | 会议论文
|
| 条目标识符 | http://dspace.imech.ac.cn/handle/311007/97857
|
| 专题 | 高温气体动力学国家重点实验室
|
| 作者单位 | 中国科学院力学研究所高温气体动力学国家重点实验室
|
推荐引用方式
GB/T 7714 |
李新亮,张吉,门弘远. 数据驱动的湍流演化预测模型[C]第十三届全国流体力学学术会议摘要集（上）,2024:456.
|
|
文件名：
|
Cp2024F048.pdf
|
|
格式：
|
Adobe PDF
|
此文件暂不支持浏览
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论