基于 PINN 的 RANS 中的湍流闭合及稀疏实验数据下圆柱体流场推断
流体动力学
2025-10-08 v1
摘要
传统的雷诺平均纳维-斯托克斯方程 (RANS) 闭合模型基于布斯克斯方程的湍流黏性假设，并在经典流动上校准，往往对均匀流场和湍流统计量的预测不够准确。本文我们考虑 Reynolds 数范围为 3900-100000 且马赫数范围为 0-0.3 的圆柱体前的流场，涵盖不可压缩和弱可压缩范畴，目标是提高均匀速度和雷诺应力的预测。为此，我们组装了一个交叉验证的数据集，包括水槽中的流体粒子图像测速 (PIV)、风洞中的气动 PIV，以及高保真谱元 DNS 和 LES。对这些数据的分析揭示了参数空间内雷诺应力的普遍分布，这为数据驱动的闭合提供了基础。我们采用基于物理的神经网络 (PINN)，在未闭合的 RANS 方程上进行训练，以仅从边界信息推断速度场和雷诺应力 forcing。将其嵌入前向 PINN 求解器中的结果闭合模型，对传统模型而言，显著改进了 RANS 对均匀流场和湍流统计量的预测。
引用
@article{arxiv.2510.06049,
title = {Turbulence Closure in RANS and Flow Inference around a Cylinder using PINNs and Sparse Experimental Data},
author = {Z. Zhang and K. Shukla and Z. Wang and A. Morales and T. Käufer and S. Salauddin and N. Walters and D. Barrett and K. Ahmed and M. S. Triantafyllou and G. E. Karniadakis},
journal= {arXiv preprint arXiv:2510.06049},
year = {2025}
}
备注
36 pages, 39 figures