基于神经网络的周期性山丘湍流大涡模拟壁面模型
流体动力学
2020-11-10 v1
摘要
本工作中，利用前馈神经网络（FNN）与壁面解析大涡模拟（WRLES）数据，开发了针对周期性山丘上湍流的数据驱动壁面模型。为开发适用于不同流态的壁面模型，将所有流向位置处近壁区域的流动数据归为一组作为训练数据集。在所开发的 FNN 壁面模型中，我们分别采用壁面法向距离、近壁速度与压力梯度作为输入特征，壁面剪应力作为输出标签。通过将预测的壁面剪应力与 WRLES 数据比较，检验了训练后 FNN 壁面模型的预测精度与泛化能力。对于瞬时壁面剪应力，FNN 预测与 WRLES 数据总体吻合良好，但在山丘 crest 附近位置观察到一定偏差。在大多数流向位置，FNN 预测与 WRLES 预测之间的相关系数大于 0.7。对于平均壁面剪应力，FNN 预测与 WRLES 数据非常一致。更重要的是，在不同雷诺数下 FNN 壁面模型均表现出总体良好的性能，证明了其良好的泛化能力。
引用
@article{arxiv.2011.04157,
title = {A wall model based on neural networks for LES of turbulent flows over periodic hills},
author = {Zhideng Zhou and Guowei He and Xiaolei Yang},
journal= {arXiv preprint arXiv:2011.04157},
year = {2020}
}