一种预测湍流可压缩流动模拟近最优网格的机器学习方法
计算工程、金融与科学
2024-06-25 v1
摘要
本文提出了一种预测近最优间距函数（定义单元尺寸）的方法，该函数适用于进行稳态RANS湍流粘性流动模拟。该策略旨在利用现有的高保真模拟来计算目标间距函数，并训练人工神经网络（ANN）来预测新模拟（无论是未见过的操作条件还是未见过的几何构型）的间距函数。解决了由使用高度拉伸单元引起的若干挑战。最终目标是大幅减少当前为模拟生成合适网格所需的时间和人类专业知识。涉及二维湍流可压缩流动的数值示例用于展示训练后的ANN预测合适间距函数的能力。讨论了神经网络架构和训练数据集大小的影响。最后，研究了预测网格进行模拟的适用性。
引用
@article{arxiv.2406.16057,
title = {A machine learning approach to predict near-optimal meshes for turbulent compressible flow simulations},
author = {Sergi Sanchez-Gamero and Oubay Hassan and Ruben Sevilla},
journal= {arXiv preprint arXiv:2406.16057},
year = {2024}
}