| 数据驱动的湍流演化预测模型 | |
李新亮 ; 张吉; 门弘远
| |
| Source Publication | 第十三届全国流体力学学术会议摘要集（上） |
| 2024-08-09 | |
| Pages | 456 |
| Conference Name | 第十三届全国流体力学学术会议（上） |
| Conference Date | 2024-08-09 |
| Conference Place | 中国黑龙江哈尔滨 |
| Abstract | 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。 |
| Keyword | 机器学习 湍流 预测模型 直接数值模拟 |
| Funding Organization | 国家自然科学基金项目资助（No.12232018） |
| Document Type | 会议论文 |
| Identifier | http://dspace.imech.ac.cn/handle/311007/97857 |
| Collection | 高温气体动力学国家重点实验室 |
| Affiliation | 中国科学院力学研究所高温气体动力学国家重点实验室 |
| Recommended Citation 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. |
| Files in This Item: | Download All | |||||
| File Name/Size | DocType | Version | Access | License | ||
| Cp2024F048.pdf（975KB） | 会议论文 | 开放获取 | CC BY-NC-SA | View Download | ||
Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.
Edit Comment