通过初始化湍flow Extension 模型加速 RANS 求解器收敛
流体动力学
2025-01-27 v1 数值分析
数值分析
计算物理
摘要
使用合适的初始化对湍flow RANS（湍flow Reynolds 平均 Navier-Stokes）仿真进行预热可以促进收敛并高效利用计算资源。本文提出一种建模外部湍flow 中下游湍flow 发展的方法，用于 RANS 求解器收敛加速。为平衡模型精度与成本，本方法将分析域划分为三个区域：靠近实体区、湍flow 区和远离实体区。引入基于卷积神经网络的方法作为高效预测下游湍flow 发展的手段。该模型训练仅需要单个仿真数据，其用法 demonstrated 有效地加快了结合准确near-body 区域流量预测时的 RANS 仿真收敛速度。与使用自由流初始化的基准运行相比，使用本方法的仿真所需迭代次数减少了 26.3 倍，墙面时钟时间加速了 16.4 倍。
引用
@article{arxiv.2501.14699,
title = {Acceleration of RANS Solver Convergence via Initialization with Wake Extension Models},
author = {Kazuko W. Fuchi and Eric M. Wolf and Christopher R. Schrock and Philip S. Beran},
journal= {arXiv preprint arXiv:2501.14699},
year = {2025}
}