FourNetFlows：一种高效的翼型稳态流场预测模型
流体动力学
2022-07-12 v1 计算物理
摘要
FourNetFlows 是 Fourier Neural Network for Airfoil Flows 的缩写，是一种能够快速且准确预测翼型稳态流场的高效模型。我们选择傅里叶神经算子（FNO）作为骨干架构，并利用 OpenFOAM 生成翼型流场的数值解用于训练。我们的结果表明，FourNetFlows 与结合 Spalart-Allmaras 湍流模型的半隐式压力关联方程法（SIMPLE）（一种数值算法）精度相当。FourNetFlows 还被用于预测形状明显不同于训练集样本的卵形周围流场。我们注意到定性与定量结果均与数值结果一致。同时，FourNetFlows 在数秒内求解数千个解，比经典数值方法快数个数量级。令人惊讶的是，FourNetFlows 在较低分辨率下训练时可实现零样本超分辨率的模型流场，且当解的分辨率提高时推理时间几乎恒定。
引用
@article{arxiv.2207.04358,
title = {FourNetFlows: An efficient model for steady airfoil flows prediction},
author = {Yuanjun Dai and Yiran An and Zhi Li},
journal= {arXiv preprint arXiv:2207.04358},
year = {2022}
}