基于多层感知机的本生型火焰非线性火焰响应建模
流体动力学
2022-04-12 v1
摘要
本文展示了神经网络在仅进行一次非定常 CFD 模拟的情况下，可靠地学习层流预混火焰非线性火焰响应的能力。系统由具有预定范围内均匀振幅分布的宽带低通滤波速度信号激励。所获得的火焰上游流动速度时间序列与热释放率波动被用于使用多层感知机训练非线性模型。我们训练了多个具有不同超参数的模型，并使用 dropout 策略作为正则化器以避免过拟合。表现最佳的模型随后被用于通过单频激励计算火焰描述函数（FDF）。除了准确预测 FDF 外，训练好的神经网络模型还捕捉到了火焰响应中高次谐波的存在。因此，当与声学求解器耦合时，所获得的神经网络模型比经典 FDF 模型更适于预测以多于一个频率为特征的极限环振荡。后者在本研究的最后部分得到展示。我们表明，所预测的声学振荡的 RMS 值及相关的主导频率与 CFD 参考数据高度一致。
引用
@article{arxiv.2204.05234,
title = {Modeling of the nonlinear flame response of a Bunsen-type flame via multi-layer perceptron},
author = {Nilam Tathawadekar and Nguyen Anh Khoa Doan and Camilo F. Silva and Nils Thuerey},
journal= {arXiv preprint arXiv:2204.05234},
year = {2022}
}