粗糙壁湍流中等效沙粒高度的数据驱动预测
流体动力学
2023-07-19 v2
摘要
本文研究一个关于表面粗糙度对湍流影响的长期问题：给定粗糙形貌的等效粗糙度沙粒高度是什么？采用深度神经网络（DNN）与高斯过程回归（GPR）机器学习方法，开发了一种针对多种不同粗糙表面上湍流流动的Nikuradse等效沙粒高度 的高保真预测方法。为此，生成了45种表面几何，并在 下使用直接数值模拟对之上的流动进行仿真。这些表面几何在表面高度涨落矩、有效斜率、平均倾角、孔隙率与随机程度方面差异显著。其中30个表面被视为完全粗糙，并补充了先前研究中15个更多完全粗糙流动表面的实验数据。DNN与GPR方法预测 的平均误差小于10%、最大误差小于30%，其精度显然高于现有预测公式。它们还识别出表面孔隙率与展向粗糙有效斜率为阻力预测的重要因素。
引用
@article{arxiv.2002.01515,
title = {Data-driven prediction of the equivalent sand-grain height in rough-wall turbulent flows},
author = {Mostafa Aghaei Jouybari and Junlin Yuan and Giles J. Brereton and Michael S. Murillo},
journal= {arXiv preprint arXiv:2002.01515},
year = {2023}
}