RANS 模拟中基于涡黏假设的机器学习辅助湍流建模的初步收敛尝试
流体动力学
2019-07-09 v1
摘要
本工作提出了一种机器学习辅助湍流建模(MLATM)的收敛框架。我们的目标是直接在涡黏假设引入的条件下从高保真数据(DNS/LES)学习湍流模型。首先,为避免 RANS 方程的病态问题,讨论了目标机器学习量。随后,展示了利用传统模型先验估计构建湍流模型的新框架。设计了闭环计算链以确保结果的收敛。此外,选取合理的无量纲变量来预测目标学习变量,并使求解器重新收敛到 DNS 平均流场。MLATM 在不可压缩湍流槽道流中进行了测试,证明其结果在平均速度和湍流黏度分布上均良好收敛于 DNS 训练数据。
引用
@article{arxiv.1907.03125,
title = {An Initial Attempt of Converged Machine-Learning Assisted Turbulence Modeling in RANS Simulations with Eddy-Viscosity Hypothesis},
author = {Weishuo Liu and Jian Fang and Stefano Rolfo and Lipeng Lu},
journal= {arXiv preprint arXiv:1907.03125},
year = {2019}
}
备注
6 pages, 3 figures