用于反应堆瞬态期间三维热分层模拟的数据驱动湍流模型开发
流体动力学
2020-05-04 v1
摘要
SAM是阿贡国家实验室正在开发的面向先进反应堆(SFR、LFR、MSR/FHR)的厂级系统分析工具。作为现代系统代码，SAM旨在改进瞬态条件下与反应堆安全相关的三维流动预测。为实现此目标，一种途径是基于机器学习技术建立雷诺应力/湍流黏度的嵌入式代理模型，在SAM中实施湍流流动建模。所提方法基于如下假设：局部流动特征与局部湍流黏度或雷诺应力之间存在函数依赖关系。验证该假设的研究极为有限。本文记录了一个案例研究，在潜在反应堆应用情景中检验该假设。该工作不旨在理论上验证假设，而是在有限应用域内实际验证假设。从方法论角度看，本文所用途径可归为所谓I型机器学习(ML)方法，其中提出尺度分离假设，声称守恒方程与闭合关系可尺度分离，故湍流模型是局部的而非全局的。本工作所研究的CFD案例为使用STARCCM+代码中雷诺平均Navier-Stokes湍流模型的三维瞬态热分层箱流问题。所有几何点所有时间步的流动信息被收集为训练数据与测试数据。
引用
@article{arxiv.2005.00415,
title = {Development of a Data-driven Turbulence Model for 3d Thermal Stratification Simulation during Reactor Transients},
author = {Yangmo Zhu and Nam Dinh and Rui Hu and Adam Kraus},
journal= {arXiv preprint arXiv:2005.00415},
year = {2020}
}