基于机器学习使用数据驱动方法预测轴对称回转体上的复杂流场
流体动力学
2021-11-16 v1
摘要
对轴对称回转体（ABR）绕流的兼具计算效率与准确性的模拟一直是工程设计中的重要需求。本文使用机器学习（ML）算法预测 ABR 上的流场，将训练好的 ML 模型作为经典计算流体力学（CFD）方法的替代模型。流场被近似为流场中位置坐标 x 和 y 以及计算域入口速度的函数。开发 ML 模型所需的数据来自基于高保真雷诺应力输运模型（RSTM）的模拟。训练好的 ML 模型的最优超参数通过验证确定。训练好的 ML 模型可快速预测流场，相较传统 CFD 方法实现了数量级的速度提升。将压力、速度和湍动能的预测结果与基线 CFD 数据对比，发现基于 ML 的替代模型预测结果与 CFD 结果同样准确。本研究为这一对工程设计至关重要的流场情景提供了快速且准确的预测框架。
引用
@article{arxiv.2111.07937,
title = {Data-driven prediction of complex flow field over an axisymmetric body of revolution using Machine Learning},
author = {J P Panda and H V Warrior},
journal= {arXiv preprint arXiv:2111.07937},
year = {2021}
}