基于卷积神经网络的湍流预混火焰建模：应用于亚网格尺度方差与滤波反应速率
流体动力学
2018-10-22 v1 计算物理
摘要
本文在湍流预混火焰大涡模拟（LES）的背景下讨论了一种使用深度卷积神经网络的纯数据驱动方法。该方法的评估通过直接数值模拟数据先验地进行。该网络已被训练用于对滤波密度和滤波密度-进程变量乘积进行反卷积，并由此获得未滤波进程变量场的估计。然后可以在 LES 粗网格上近似进程变量的任意非线性函数，并显式滤波以推进 LES 解随时间演化。这一解决湍流燃烧建模的新策略在亚网格尺度进程变量方差和火焰面滤波反应速率这两个预混湍流燃烧建模的基本要素上均成功得到验证。
引用
@article{arxiv.1810.07944,
title = {Modelling turbulent premixed flames using convolutional neural networks: application to sub-grid scale variance and filtered reaction rate},
author = {Zacharias M. Nikolaou and Charalambos Chrysostomou and Luc Vervisch and Stewart Cant},
journal= {arXiv preprint arXiv:1810.07944},
year = {2018}
}