一种数据驱动的湍流建模方法
流体动力学
2020-05-04 v1 计算物理
摘要
数据驱动湍流建模是核电站(NPP)热工水力模拟中新兴的研究领域。NPP 热工水力模拟中最常用的 CFD 方法是雷诺平均 Navier-Stokes (RANS) 方法,该方法不仅在计算速度上,而且在针对不同流型选择湍流模型与参数的复杂性上仍存在公认缺陷。数据驱动湍流建模旨在发展一种基于 RANS 的方法,其不仅计算高效,且适用于不同流型。为实现此目标,第一步是发展一种对选定流型恰当执行 RANS 的方法。本工作中,选取机器学习方法以实现该目标。本研究的主要目的是利用海量直接数值模拟 (DNS) 数据的潜力,通过数据驱动方法对湍流雷诺应力进行建模。该方法通过一个湍流流体验证算例验证:平行平板准稳态湍流流场算例。工作包含三部分。第一部分是数据库准备。此步骤中,从 DNS 结果提取湍流属性(雷诺应力),视为“物理正确数据”。同时,从 RANS 结果提取流场特征,视为“待修正数据”。第二部分是替代模型建立。此步骤中,基于前一步获得的流场特征与湍流属性训练数据驱动回归函数。最后一部分是模型验证,即将训练好的数据驱动回归函数应用于测试算例以验证该方法。
引用
@article{arxiv.2005.00426,
title = {A Data-driven Approach for Turbulence Modeling},
author = {Yangmo Zhu and Nam Dinh},
journal= {arXiv preprint arXiv:2005.00426},
year = {2020}
}