基于深度学习的圆柱绕流非定常流场数据驱动预测
流体动力学
2019-10-04 v3
摘要
使用四种不同的深度学习网络对圆柱绕流非定常流场进行训练与预测:考虑守恒律与不考虑守恒律的卷积神经网络,以及考虑守恒律与不考虑守恒律的生成对抗网络。基于先前时刻流场信息预测未来时刻的流场。首先使用雷诺数为 100、200、300 和 400 的流场训练深度学习网络,随后利用训练好的网络预测雷诺数为 500 和 3000 的流场。提出物理损失函数以显式地将质量与动量守恒信息施加于深度学习网络。采用对抗训练以无监督方式提取流动动力学特征。分析了所提物理损失函数、对抗训练以及网络规模对预测精度的影响。使用深度学习网络预测的流场与数值模拟计算的流场吻合良好。
引用
@article{arxiv.1804.06076,
title = {Data-driven prediction of unsteady flow fields over a circular cylinder using deep learning},
author = {Sangseung Lee and Donghyun You},
journal= {arXiv preprint arXiv:1804.06076},
year = {2019}
}