雷諾平均Navier-Stokes方程（Reynolds-averagedNavier-StokesRANS）是目前工程上高效數(shù)值模擬湍流的基本方法,但這一方法需要給出關于雷諾應力的湍流封閉模型。該文從環(huán)形方管流場的直接數(shù)值模擬（DirectNumerical Simulation,DNS）數(shù)據(jù)出發(fā),構建了一種基于神經(jīng)網(wǎng)絡的湍流封閉模型。文中利用環(huán)形方管流場DNS結果中的平均速度場及其梯度場作為流動特征輸入量,與雷諾應力張量中各分量分別建立神經(jīng)網(wǎng)絡映射,從而構造出平均速度場及其梯度場與湍流雷諾應力的非參數(shù)化映射關系。計算結果表明,通過對環(huán)形方管DNS數(shù)據(jù)的深度學習,神經(jīng)網(wǎng)絡模型可有效地表達湍流時平均流場與雷諾應力之間的映射關系,并且能夠準確地重構DNS所給出的雷諾應力,進而采用RANS基本方程捕捉到傳統(tǒng)湍流模型中難以模擬的湍流驅動二次流現(xiàn)象,為新型湍流封閉模型的構建及其工程計算的實現(xiàn)提供創(chuàng)新思路。 

【文章來源】：水動力學研究與進展（A輯）. 2020,35(02)北大核心CSCD

【文章頁數(shù)】：14 頁

【部分圖文】：

(網(wǎng)上彩圖)展向時均合速度22vw對比圖Fig.11(Coloronline)Comparisonsoftime-averagedsecondaryvelocity22vw參考文獻:

iu，即iu在x方向的速度梯度為0，故在神經(jīng)網(wǎng)絡輸入層共有九個獨立特征量。為防止iu和ijl的取值范圍差異過大，造成神經(jīng)網(wǎng)絡訓練時的數(shù)據(jù)信息丟失，本文利用了輸入特征各分量自身絕對值的均值x進行歸一化處理，即有xXx(13)式中：X為歸一化之后的新數(shù)據(jù)，x為未經(jīng)歸一化的數(shù)據(jù)，x為所有樣本點中該數(shù)據(jù)絕對值的平均值。同理，作為學習目標的雷諾應力分量也進行歸一化處理。將上述處理后的流動信息特征與雷諾應力放入本文架構的神經(jīng)網(wǎng)絡中開展深度學習。圖6為本文所用神經(jīng)網(wǎng)絡的結構示意圖。圖6中每個圓圈代表一個節(jié)點，箭頭表示節(jié)點之間的權重和信息傳遞方向，即前一層的輸出為后一層的輸入，同層節(jié)點間無法相互傳遞信息。其中x(l[1,L])l的集合構成輸圖6多層神經(jīng)網(wǎng)絡全連接的示意圖Fig.6Diagramofmulti-layerneuralnetwork

王述之，等：基于DNS數(shù)據(jù)和神經(jīng)網(wǎng)絡的湍流封閉模型構建151圖10比對剖線位置圖Fig.10Profilelocationforcomparison神經(jīng)網(wǎng)絡深度學習的方法構建湍流映射模型。通過對傳統(tǒng)參數(shù)化湍流模型的分析，認識到時均速度場及其梯度場對于構建湍流模型的重要性。將上述兩類物理量作為特征量，利用神經(jīng)網(wǎng)絡挖掘特征量與雷諾應力之間的關系，建立基于神經(jīng)網(wǎng)絡的非參數(shù)化映射模型，并利用該模型對雷諾應力進行重構。結果表明，采用本文提出的湍流模型能夠較準確地由時間平均流場信息重構出湍流雷諾應力，并能通過求解相關封閉的RANS方程，準確地還原DNS流場中的平均主流流場和湍流驅動的二次流信息。相較線性湍流模型而言，本文提出的模型能更準確地重現(xiàn)湍流特有的流動現(xiàn)象，計算精度更高。相較DNS方法，本文的RANS計算極大地縮短了求解時間，降低了計算成本，為工程湍流計算提供了創(chuàng)新思路。本文初步探究了利用神經(jīng)網(wǎng)絡構建湍流模式的基本方法和技術路線，并進行了樣本內(nèi)驗證，模圖9(網(wǎng)上彩圖)DNS(左)和NNW(右)時均速度場圖Fig.9(Coloronline)DNS(left)andNNW(right)time-averagedvelocityfield

【參考文獻】：
期刊論文
[1]基于方、矩形環(huán)管直接數(shù)值模擬結果的各向異性RANS湍流模型構建[J]. 郭永濤,徐弘一.  復旦學報(自然科學版). 2019(01)
[2]基于神經(jīng)網(wǎng)絡的翼型氣動力計算和反設計方法[J]. 劉凌君,周越,高振勛.  氣體物理. 2018(05)
[3]湍流邊界層各向異性張量模式的實驗研究[J]. 王維,管新蕾,姜楠.  實驗流體力學. 2013(05)
[4]湍流模型的發(fā)展及其研究現(xiàn)狀[J]. 陳永輝,王強,樸明波.  能源與環(huán)境. 2009(02)
[5]剪切湍流的渦黏張量模式[J]. 王振東,姜楠.  力學學報. 1995(02)
[6]湍流新渦粘模式的研究[J]. 王振東,姜楠.  科學通報. 1994(13)



本文編號：3132732