【背景】湍流問題涉及到工程中的諸多領(lǐng)域,其重要性不言而喻。雷諾平均Navier-Stokes(RANS)方程提供了一種計算時間平均湍流量的有效方法,由于其計算易處理性而被廣泛使用。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,采用數(shù)據(jù)驅(qū)動的方法建模RANS模型受到了研究者廣泛的關(guān)注�！痉椒ā勘疚奶岢隽艘环N數(shù)據(jù)驅(qū)動建模RANS模型的方法,該方法以數(shù)值軟件模擬結(jié)果為基礎(chǔ),利用深度學(xué)習(xí)技術(shù)構(gòu)造湍流模型。由于在湍流問題中,不同的系統(tǒng)初始條件不同,數(shù)據(jù)的質(zhì)量千差萬別,難以使用統(tǒng)一的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進行訓(xùn)練。因此本文采用AutoML(自動機器學(xué)習(xí))的方法自動搜索神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)并進行自動調(diào)參。此外,本文發(fā)現(xiàn)通過混合多種初始條件下的數(shù)據(jù)進行模型訓(xùn)練,可以提高深度學(xué)習(xí)模型的擬合精度,增強其魯棒性�！窘Y(jié)果】本文選取OpenFOAM中的經(jīng)典算例內(nèi)壁臺階流模擬作為數(shù)據(jù)來源進行實驗。實驗表明,該模型在預(yù)測雷諾應(yīng)力時具有較好的精度和效率,表明數(shù)據(jù)驅(qū)動方法在湍流模擬中具有良好的應(yīng)用前景�！揪窒蕖繛榱烁玫脑谕牧黝I(lǐng)域應(yīng)用深度學(xué)習(xí)技術(shù),下一步的研究重點在于如何將深度學(xué)習(xí)模型與湍流數(shù)值模擬軟件耦合。【結(jié)論】目前,針對湍流機器學(xué)習(xí)的系統(tǒng)研究相對較少...

【文章頁數(shù)】：11 頁

【部分圖文】：

圖3RANS-DL工作流程3實驗設(shè)置

機器學(xué)習(xí)與湍流建模相結(jié)合的研究工作是流體力學(xué)領(lǐng)域新興的熱門研究方向�，F(xiàn)有的研究成果有力地驗證了其有效性和可行性,預(yù)示了機器學(xué)習(xí)在未來湍流模型應(yīng)用中良好的應(yīng)用前景[20]。一方面,這些研究工作以數(shù)值模擬器或?qū)嶒灝a(chǎn)生的高分辨率的數(shù)據(jù)作為驅(qū)動,一定程度上降低了機器學(xué)習(xí)模型封閉或湍流模型....

網(wǎng)絡(luò)結(jié)構(gòu)搜索以及參數(shù)調(diào)整的小時數(shù)為48小時,本文做實驗的機器配置:CPU為雙核4線程,GPU為TeslaV100。最終AutoML的訓(xùn)練效果如圖6所示。經(jīng)過訓(xùn)練,本文最終采用的模型參數(shù)如表3所示。表3模型參數(shù)Table3modelparameter參數(shù)名稱詳情隱....

如圖7所示,與Chang和Dinh[10]采用的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來擬合雷諾應(yīng)力的效果對比,我們用AutoML獲得的網(wǎng)絡(luò)結(jié)構(gòu)擬合效果更為優(yōu)異。4.2時間信息對模型的影響

本文編號：4011437