利用无监督机器学习实现粘性与湍流区域的稳健检测
流体动力学
2023-02-22 v1
摘要
我们提出了一种用于检测粘性主导区域和湍流区域（即边界层和尾流）的不变特征空间。所开发的方法使用应变率张量和旋转率张量的主不变量作为无监督机器学习高斯混合模型的输入。所选的特征空间独立于用于生成处理后数据的坐标系，因为它依赖于应变率和旋转率的主不变量，这些是伽利略不变量。该方法使我们能够识别出两个不同的流动区域：一个粘性主导的旋转区域（边界层和尾流区域）和一个无粘、无旋区域（外部流动区域）。我们在雷诺数 Re=40 和 Re=3900 下，对流过圆柱体的层流和湍流（使用大涡模拟）案例测试了该方法。模拟使用高阶节点间断伽辽金谱元法 (DGSEM) 进行。分析所得结果表明，高斯混合聚类提供了一种有效的识别流动中粘性主导和旋转区域的方法。我们还包含了与传统传感器的比较，以表明所提出的聚类不依赖于任意阈值的选择，而使用传统传感器时则需要选择阈值。
引用
@article{arxiv.2207.02929,
title = {towards a robust detection of viscous and turbulent flow regions using unsupervised machine learning},
author = {Kheir-Eddine Otmani and Gerasimos Ntoukas and Esteban Ferrer},
journal= {arXiv preprint arXiv:2207.02929},
year = {2023}
}