参数化几何周期山丘上的流动：用于基于直接模拟的数据驱动湍流建模的数据集
流体动力学
2019-10-04 v1
摘要
基于雷诺平均Navier--Stokes方程并带湍流闭合的计算流体动力学模型在工程设计与分析中仍扮演重要角色。然而，湍流模型的发展数十年来停滞不前。随着机器学习近期进展，数据驱动湍流模型成为值得深入探索的具吸引力替代方案。但是，数据驱动湍流模型发展的主要障碍在于训练数据的缺乏。本工作中，我们调研现有公开湍流数据库，并结论其不足以发展和验证数据驱动模型。相反，为此我们需要来自系统且连续变化流动条件（如雷诺数与几何）的更多基准数据，并在参数空间中具有最大覆盖。为此，我们对变斜率周期山丘上的流动进行直接数值模拟，得到一类从初生分离到温和及大规模分离的周期山丘流动。我们进一步通过训练一个基于一组平均流动特征预测雷诺应力各向异性的机器学习模型，展示了该数据集的用途。我们期望所生成的数据集及其设计方法与本文给出的示例应用，将促进未来数据驱动湍流模型的发展与比较。
引用
@article{arxiv.1910.01264,
title = {Flows Over Periodic Hills of Parameterized Geometries: A Dataset for Data-Driven Turbulence Modeling From Direct Simulations},
author = {Heng Xiao and Jin-Long Wu and Sylvain Laizet and Lian Duan},
journal= {arXiv preprint arXiv:1910.01264},
year = {2019}
}