利用物理信息神经网络（PINN）精确预测近壁稳态流场
流体动力学
2022-04-08 v1 计算物理
摘要
本文探索了物理信息神经网络（PINN）的应用，旨在利用远离壁面的测量值（或采样点）精确获取近壁区域的流动预测。在流体力学实验中，通常难以精确测量近壁速度。因此，本研究揭示了一种新颖且优雅的方法来恢复近壁流动解。本研究以平板上的层流边界层流动为例，探索PINN精确预测流场的能力。所有必需的采样数据均来自CFD模拟。研究涵盖了从Re=500到100000的广泛雷诺数范围。首先，使用PINN在三种不同类型的边界条件下获得了边界层解。进一步分析了采样点位置对精度的影响。从速度剖面和表面摩擦系数分布来看，PINN仅利用远离壁面的少量采样点即可在近壁区域获得相当精确的结果。该方法在实验中具有潜在应用价值，可通过远离壁面的测量来精确获取近壁解。
引用
@article{arxiv.2204.03352,
title = {Accurate near wall steady flow field prediction using Physics Informed Neural Network (PINN)},
author = {Vinothkumar Sekar and Qinghua Jiang and Chang Shu and Boo Cheong Khoo},
journal= {arXiv preprint arXiv:2204.03352},
year = {2022}
}