基于集合卡尔曼方法学习外部跨声速流动的神经网络湍流模型
流体动力学
2023-05-12 v1
摘要
本文提出了一种基于集合卡尔曼方法的跨声速流动神经网络湍流建模方法。该方法采用张量基神经网络表示雷诺应力，并通过修正输入以考虑流体可压缩性。同时研究了输入特征的归一化，以避免在激波存在下出现特征坍缩。此外，基于梯度扩散假设，利用该神经网络湍流模型相应地估计湍流热通量。由于集合卡尔曼方法无需导数的特性，利用其结合速度和壁面压力的实验数据训练神经网络。所提出的框架在两个典型构型中进行了测试，即RAE2822翼型上的二维跨声速流动和ONERA M6机翼上的三维跨声速流动。数值结果证明了该方法在学习外部跨声速流动的精确湍流模型方面的能力。
引用
@article{arxiv.2305.06560,
title = {Learning neural-network-based turbulence models for external transonic flows using ensemble Kalman method},
author = {Yi Liu and Xin-Lei Zhang and Guowei He},
journal= {arXiv preprint arXiv:2305.06560},
year = {2023}
}
备注
31 pages, 17 figures