从粗糙壁面测量经深度学习重构湍流速度场
流体动力学
2021-08-11 v2
摘要
本工作评估了超分辨率生成对抗网络(SRGANs)作为一种从粗糙壁面测量重构湍流物理量的方法的适用性。该方法既用于壁面场的分辨率增强,也用于从剪切应力与压力的粗糙壁面测量估计壁面平行速度场。分析基于摩擦雷诺数 的湍流明渠流数据库,该库由直接数值模拟生成。粗糙壁面测量由高分辨率场以三种不同下采样因子 生成,壁面平行速度场在四个内缩放壁面法向距离 处重构。我们首先表明 SRGAN 可用于增强粗糙壁面测量的分辨率。与仅从粗糙壁面测量直接重构相比,SRGAN 在均方误差与谱分数误差上均给出更好的瞬时重构。尽管输入壁面数据分辨率越低越难获得高精度预测,所提基于 SRGAN 的网络仍给出极佳重构结果。此外,即使对最具挑战性的情形,SRGAN 也能捕捉充满流场的大尺度结构。所提新方法对依赖非侵入式传感的闭环控制应用具巨大潜力。
引用
@article{arxiv.2103.07387,
title = {From coarse wall measurements to turbulent velocity fields through deep learning},
author = {Alejandro Güemes and Stefano Discetti and Andrea Ianiro and Beril Sirmacek and Hossein Azizpour and Ricardo Vinuesa},
journal= {arXiv preprint arXiv:2103.07387},
year = {2021}
}