AhmedML：用于不可压缩低速钝体空气动力学的高保真计算流体动力学数据集
流体动力学
2024-07-31 v1 计算工程、金融与科学
机器学习
摘要
机器学习 (ML) 方法在计算流体动力学 (CFD) 中的发展目前受到缺乏公开可用训练数据的限制。本文提出了一个新的开源数据集，该数据集包含对 500 种几何变体的 Ahmed 汽车模型——一种简化的类汽车形状，呈现出许多存在于道路车辆等钝体上的流动拓扑——进行的高保真、尺度解析 CFD 模拟。该数据集包含的模拟结果展示了广泛的基本流动物理现象，如几何和压力诱导的流动分离以及三维涡旋结构。每种 Ahmed 汽车模型的变体均使用开源 CFD 代码 OpenFOAM，采用高保真、时间精确的混合雷诺平均纳维-斯托克斯 (RANS) - 大涡模拟 (LES) 湍流建模方法进行运算。该数据集包含边界、体积、几何以及时间平均的力/力矩数据，采用广泛使用的开源格式。此外，还提供了 OpenFOAM 算例设置，以便他人可以复现或扩展该数据集。据作者所知，这是首个针对广泛使用的 Ahmed 汽车模型、采用高保真 CFD 方法的大规模开源数据集，可通过宽松许可证 (CC-BY-SA) 免费下载。
引用
@article{arxiv.2407.20801,
title = {AhmedML: High-Fidelity Computational Fluid Dynamics Dataset for Incompressible, Low-Speed Bluff Body Aerodynamics},
author = {Neil Ashton and Danielle C. Maddix and Samuel Gundry and Parisa M. Shabestari},
journal= {arXiv preprint arXiv:2407.20801},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2407.19320