一种经机器学习增强的一维流动模型用于声带振动模拟
流体动力学
2021-04-07 v1 计算物理
摘要
我们描述了一种由动量和质量守恒方程导出的一维（1D）非定常黏性流动模型，并且为增强这一基于物理的模型，我们使用机器学习方法来确定未知的建模参数。具体而言，我们首先构建理想化喉部模型并进行十例三维（3D）流固耦合（FSI）模拟。随后提取流动数据，使用非线性动力系统的稀疏辨识方法训练一维流动模型。训练结果是获得了声门入口效应和压力损失的分析表达式，将其纳入流动模型后可便捷处理因声带振动导致的不同声门形状。我们将增强的一维流动模型应用于理想化声带几何以及由兔喉MRI图像重建的特异性解剖几何的FSI模拟中。该一维流动模型在两种设置下均经过评估，并显示出鲁棒的性能。因此，它提供了一种优于先前一维模型的快速模拟工具。
引用
@article{arxiv.2102.01877,
title = {A one-dimensional flow model enhanced by machine learning for simulation of vocal fold vibration},
author = {Zheng Li and Ye Chen and Siyuan Chang and Bernard Rousseau and Haoxiang Luo},
journal= {arXiv preprint arXiv:2102.01877},
year = {2021}
}