面向雷诺平均纳维-斯托克斯模拟的湍流涡黏性代理建模框架
流体动力学
2020-12-04 v4 计算物理
摘要
用于不可压缩湍流稳态评估的雷诺平均纳维-斯托克斯（RANS）方程仍是实用计算流体动力学（CFD）应用的主力工具。因此，在速度或精度上的改进有可能影响广泛的应用领域。我们引入了一种机器学习框架，用于在给定初始条件下对 RANS 模拟的稳态湍流涡黏性进行代理建模。该建模策略在数值求解压力与速度方程至稳态的过程中进行参数化插值评估，从而构成了一个与机器学习相混合的框架。与 Spalart-Allmaras 单方程模型所得结果相比，我们以显著减少的求解时间取得了具竞争力的稳态结果。这是因为所提出的方法允许稳态速度与压力求解器采用相当大的松弛因子。我们的评估针对具有显著网格各向异性和分离的向后台阶，以代表实用的 CFD 应用。对于 inlet 速度条件或台阶高度变化的测试实验，我们观察到求解时间减少约 5 倍。这些结果代表了快速探索参数空间的机会，而利用具有多个耦合偏微分方程的湍流闭合模型时，这种探索是被证明难以实现的。\blfootnote{代码公开于 \texttt{https://github.com/argonne-lcf/TensorFlowFoam}}
引用
@article{arxiv.1910.10878,
title = {A turbulent eddy-viscosity surrogate modeling framework for Reynolds-Averaged Navier-Stokes simulations},
author = {Romit Maulik and Himanshu Sharma and Saumil Patel and Bethany Lusch and Elise Jennings},
journal= {arXiv preprint arXiv:1910.10878},
year = {2020}
}