典型文献
宽速域下神经网络对雷诺应力各向异性张量的预测
文献摘要：
基于Pope修正的有效黏度假设,张量基神经网络(tensor based neural network,TBNN)构建了从雷诺平均方程湍流模型(RANS)的平均应变率张量和平均旋转率张量到高精度数值解的雷诺应力各向异性张量的映射.将高精度数值解用于TBNN的训练,从而使TBNN根据RANS求解的湍动能、湍流耗散率和速度梯度预测其雷诺应力各向异性张量,并与对应的高精度数值模拟结果以及风洞实验结果对比以评估TBNN的预测能力.本工作将TBNN的预测能力从低速域拓展至高超声速工况,分别对低速槽道流、低速NACA0012翼型以及高超声速平板边界层3种工况进行了小样本的训练并成功预测,并以槽道流训练的TBNN较好地预测了低速平板边界层,验证了模型的泛化能力.对于外推的低速槽道流算例,TBNN预测的结果在y+>5的区域与直接数值模拟(DNS)以及实验的误差均在10％以内,预测结果揭示了TBNN对雷诺应力各向异性张量的良好预测能力;对于翼型的预测效果尽管相较于槽道流略有下降,但近壁关键区域较RANS结果仍有显著提升;对于高超声速平板,TBNN在边界层内展现出了良好的预测能力,在y+>5的区域与DNS的误差同样在10％以内.基于Pope本构关系的TBNN方法在平板的高超声速工况下仍能较准确预测边界层内的雷诺应力各向异性张量,方法在宽速域下的预测能力具有较好的表现,且模型泛化能力亦得到了验证.
文献关键词：
张量基神经网络;雷诺应力各向异性张量;湍流建模;宽速域;小样本
中图分类号：
作者姓名：
任海杰;袁先旭;陈坚强;孙东;朱林阳;向星皓
作者机构：
空气动力学国家重点实验室, 四川绵阳 621000;中国空气动力研究与发展中心计算空气动力研究所, 四川绵阳 621000
文献出处：
引用格式：
[1]任海杰;袁先旭;陈坚强;孙东;朱林阳;向星皓-.宽速域下神经网络对雷诺应力各向异性张量的预测)[J].力学学报,2022(02):347-358
A类：
雷诺应力各向异性张量,Pope,张量基神经网络,TBNN,湍流建模
B类：
宽速域,有效黏度,度假,tensor,neural,network,雷诺平均,湍流模型,RANS,平均应变率,张量和,数值解,湍动能,湍流耗散,耗散率,速度梯度,高精度数值模拟,风洞实验,结果对比,预测能力,低速,高超声速,槽道,NACA0012,翼型,平板边界层,小样本,泛化能力,外推,y+,直接数值模拟,DNS,近壁,关键区域,本构关系,准确预测,模型泛化
AB值：
0.205977
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
