面向翼型可压缩湍流高精度深度学习推断
流体动力学
2022-11-17 v2 机器学习
摘要
本研究利用深度神经网络精确推断二维翼型可压缩流动的雷诺平均 Navier-Stokes 解。我们的方法通过向网络提供到解的标准空间的相应映射的编码,得到能够为变化的贴体结构化网格生成精确流场的网络。我们将该深度神经网络模型应用于随机给定攻角和雷诺数下不可压缩流动的基准算例,相比先前工作取得一个数量级以上的改进。此外,对于跨声速流动情形,该深度神经网络模型准确预测高雷诺数下的复杂流动行为(如激波/边界层干扰)以及压力系数、摩擦系数和翼型下游尾迹总压分布等定量分布。所提深度学习方法显著加快流场预测速度,并展现出实现快速气动设计的潜力。
引用
@article{arxiv.2109.02183,
title = {Towards high-accuracy deep learning inference of compressible turbulent flows over aerofoils},
author = {Li-Wei Chen and Nils Thuerey},
journal= {arXiv preprint arXiv:2109.02183},
year = {2022}
}