典型文献
旋转不变的数据驱动稀薄流非线性本构计算方法
文献摘要：
DNCR方法基于Navier-Stokes方程和UGKS方法的数值模拟结果作为流场样本训练数据,借助机器学习构建热流/应力与流场特征参数的高维复杂非线性回归关系模型,最终通过耦合数据驱动的非线性本构关系求解宏观量守恒方程得到待预测稀薄非平衡流数值解.但现有DNCR方法的特征参数(速度、压力、密度等)和标记值(热流、应力张量等)不具备旋转不变特征,所得训练模型无法适用于坐标系旋转或平移后的计算网格.针对这一缺陷,本文构建全新且具有旋转不变性的特征参数与标记值,并结合典型算例预测结果与特征参数权重反馈优化所有训练集特征参数;同时瞄准回归模型预示范围与泛化性能提升,针对极端随机树开展选参与调参研究,发展了一种基于旋转不变量的改进DNCR方法.针对不同来流条件、不同几何外形条件下的二维高超声速圆柱绕流与顶盖方腔驱动流,评估了改进DNCR方法对比原始方法的计算精度提升效果.计算结果表明:使用旋转不变量能够显著提升训练模型对坐标系旋转、外形变化的适应能力,使DNCR方法具备更好的泛化性能.
文献关键词：
稀薄非平衡流;极端随机树;旋转不变性;泛化性能;数据驱动
中图分类号：
作者姓名：
蒋励剑;赵文文;陈伟芳;尧少波
作者机构：
浙江大学航空航天学院,杭州 310027
文献出处：
引用格式：
[1]蒋励剑;赵文文;陈伟芳;尧少波-.旋转不变的数据驱动稀薄流非线性本构计算方法)[J].航空学报,2022(12):284-300
A类：
DNCR,稀薄非平衡流
B类：
Navier,Stokes,UGKS,样本训练,训练数据,热流,流场特征,高维,非线性回归,回归关系,关系模型,非线性本构关系,守恒,数值解,张量,旋转不变特征,训练模型,坐标系旋转,平移,计算网格,旋转不变性,反馈优化,训练集,瞄准,预示,泛化性能,性能提升,对极,极端随机树,不变量,同来,来流条件,高超声速,超声速圆柱绕流,顶盖,方腔,方法对比,计算精度,精度提升,提升效果
AB值：
0.309255
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。
