面向三维分离流的数据增强湍流建模
流体动力学
2022-07-29 v1
摘要
本研究采用场反演与机器学习来描述轴对称山丘周围的三维分离流并改进Spart-Allmaras模型。采用离散伴随方法求解场反演问题，并使用人工神经网络作为机器学习模型。提出了一种场反演验证流程以调整超参数并获得物理上可接受的解。场反演结果表明，平均分离线上游边界层内以及分离剪切层中的非平衡湍流效应主导了三维分离流中的流动结构，这与先前的物理认识一致。然而，湍流各向异性对平均流的影响似乎有限。在机器学习阶段提出并实施了两种方法来克服样本不平衡问题，同时降低训练过程中的计算成本。结果均令人满意，证明了所提方法的有效性。
引用
@article{arxiv.2204.13566,
title = {Data augmented turbulence modeling for three-dimensional separation flows},
author = {Chongyang Yan and Yufei Zhang and Haixin Chen},
journal= {arXiv preprint arXiv:2204.13566},
year = {2022}
}