基于混合深度神经网络的非定常尾流预测新方法
流体动力学
2020-01-08 v1 计算物理
摘要
由于高维与非线性特征，非定常流的快速准确预测成为流体动力学中的严峻挑战。设计了一种新颖的混合深度神经网络（DNN）架构，以直接从高维非定常流场中捕捉非定常流的时空特征。该混合深度神经网络由卷积神经网络（CNN）、卷积长短期记忆神经网络（ConvLSTM）与反卷积神经网络（DeCNN）构成。以不同雷诺数下的圆柱绕流以及较高雷诺数下的翼型绕流分别建立用于训练网络的数据集。随后通过预测未来时刻的流场对所训练的混合 DNN 进行测试。使用所训练混合 DNN 预测的流场与计算流体动力学求解器直接计算的流场吻合良好。
引用
@article{arxiv.1908.00294,
title = {A new prediction method of unsteady wake flow by the hybrid deep neural network},
author = {Renkun Han and Yixing Wang and Yang Zhang and Gang Chen},
journal= {arXiv preprint arXiv:1908.00294},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:1903.00033 by other authors