一种用于模拟含颗粒流体系统动力学的 LSTM 增强代理模型
数值分析
2024-03-22 v1 数值分析
摘要
流体-颗粒系统的数值处理极具挑战性，因为两相之间存在复杂的耦合现象。尽管已有精确的数学模型可用于此类应用，但数值模拟的计算成本非常高昂。使用最先进的高性能计算基础设施有助于缓解这一问题，但无法完全解决。在本工作中，我们为计算流体动力学（CFD）-离散元方法（DEM）模拟开发了一种非侵入式数据驱动降阶模型（ROM）。该 ROM 使用本征正交分解（POD）计算降阶基空间，并使用长短期记忆（LSTM）网络计算降阶系数。我们关注系统辨识与预测两方面。最主要的创新点在于：(i) 对全阶快照进行滤波处理以降低降阶问题的维度，以及 (ii) 对颗粒相的预处理。我们通过经典的 Goldschmidt 流化床基准问题评估了所提 ROM 方法的精度。最后，我们还就 ROM 方法的效率提供了一些见解。
引用
@article{arxiv.2403.14283,
title = {A LSTM-enhanced surrogate model to simulate the dynamics of particle-laden fluid systems},
author = {Arash Hajisharifi and Rahul Halder and Michele Girfoglio and Andrea Beccari and Domenico Bonanni and Gianluigi Rozza},
journal= {arXiv preprint arXiv:2403.14283},
year = {2024}
}
备注
13 Figures