基于计算流体动力学驱动替代优化的雷诺应力张量模型渐进增强用于二次流预测

泛化能力与前向结果的 consistency 是数据驱动湍流模型最关键的考量点。本研究提出一种基于Kriging的仿真驱动替代优化对湍流模型进行渐进改进。我们的目标是在不破坏其于典型算例（如槽道流）上原有性能的前提下，增强线性涡黏模型对二次流的重构能力。获得了用于k-ω SST湍流模型的显式代数雷诺应力修正模型(EARSCMs)，以预测标准模型未能捕捉的二次流。模型的优化通过基于管道流量多的目标方法实现，并对所发展模型进行了多种测试用例的数值验证。新模型在槽道流算例上的测试结果表明其保持了原始k-ω SST模型的性能。关于新模型的泛化能力，未见测试用例的结果显示出对二次流与流向速度的预测有显著改进。这些结果凸显了渐进方法在增强数据驱动湍流模型于流体流动模拟中性能的同时保持求解器鲁棒性与稳定性的潜力。