使用增强超分辨率生成对抗网络从空间受限数据高保真重建湍流
流体动力学
2022-01-05 v2
摘要
在本研究中，应用基于深度学习的方法，旨在使用最少的流场数据重建高分辨率湍流场。引入了一种具有基于物理损失函数的多尺度增强超分辨率生成对抗网络，作为重建高分辨率流场的模型。使用方柱绕流的层流数据检验了该模型重建高分辨率层流的能力。结果表明，即使提供有限的空间信息，该模型也能准确再现高分辨率流场。湍流通道流的案例用于评估模型重建高分辨率壁面受限湍流场的能力。从模型获得的瞬态和统计结果与真实数据吻合良好，表明该模型能够成功学习将粗流场映射到高分辨率流场。此外，经过仔细检查，所提出模型的计算成本被证实非常低。这表明，使用具有物理引导的基于生成对抗网络的模型的高保真训练数据，在从极粗数据重建高分辨率湍流场方面具有实际有效性。
引用
@article{arxiv.2109.04250,
title = {High-fidelity reconstruction of turbulent flow from spatially limited data using enhanced super-resolution generative adversarial network},
author = {Mustafa Z. Yousif and Linqi Yu and HeeChang Lim},
journal= {arXiv preprint arXiv:2109.04250},
year = {2022}
}
备注
Under consideration for publication in Physics of Fluids (23 pages, 12 figures)