使用基于傅里叶神经算子的机器学习策略预测湍流槽道流
流体动力学
2024-11-05 v4
摘要
湍流的快速准确预测在科学与工程领域具有重要意义。本文研究了隐式 U-Net 增强傅里叶神经算子（IUFNO）在三维（3D）湍流槽道流长时间动力学稳定预测中的应用。训练后的 IUFNO 模型在三个摩擦雷诺数：、 和 下的粗网格大涡模拟（LES）中进行了测试。所采用的近壁面网格明显粗于壁面解析 LES 的一般要求。与原始傅里叶神经算子（FNO）、隐式 FNO（IFNO）和 U-Net 增强型 FNO（UFNO）相比，IUFNO 模型具有更好的长期预测能力。数值实验表明，IUFNO 框架在预测多种流场统计量和结构方面优于传统动态 Smagorinsky 模型（DSM）和壁面自适应局部涡黏性（WALE）模型，包括平均速度和脉动速度、概率密度函数（PDF）及速度脉动的联合 PDF、雷诺应力分布、动能谱以及 Q 准则（涡结构）。同时，训练后的 IUFNO 模型在计算上比传统 LES 模型快得多。因此，IUFNO 模型是一种用于快速预测壁面约束湍流的有前景的方法。
引用
@article{arxiv.2403.03051,
title = {Prediction of turbulent channel flow using Fourier neural operator-based machine-learning strategy},
author = {Yunpeng Wang and Zhijie Li and Zelong Yuan and Wenhui Peng and Tianyuan Liu and Jianchun Wang},
journal= {arXiv preprint arXiv:2403.03051},
year = {2024}
}