| 题名 | 基于RANS模型的数据增强在数据驱动湍流模型中的应用 |
| 作者 | |
| DOI | |
| 发表日期 | 2020-12-03
|
| 会议名称 | 第十一届全国流体力学学术会议
|
| 会议录名称 | |
| 页码 | 1
|
| 会议日期 | 2020-12-03
|
| 会议地点 | 中国广东深圳
|
| 摘要 | 随着数据科学的发展与兴起,基于数据驱动的湍流建模方法在传统的雷诺平均封闭问题中得到应用。数据驱动模型的构建依赖于高可信度的标定数据,而相关的实验数据或者直接数值模拟数据的获得往往需要耗费较大的成本。本文提出一种数据增强方法,在仅仅己知DNS平均雷诺应力场的前提下,通过与已有RANS模型(k-ε模型)方程耦合,得到中间迭代步的平均速度场信息。通过类比强化学习马尔可夫决策过程中的状态、行动的概念,对所有中间迭代步的流场数据进行筛选,并将其整合为扩充后的训练数据。本文以Ling,et al(2016)中的张量基神经网络为测试方法,以二维周期丘陵流动在不同雷诺数和几何外形下的工况作为训练和测试算例。在高雷诺数和不同几何外形的后验测试中,使用经过数据增强后的训练数据得到的模型相比原始方法,可以得到更加准确的雷诺应力和相应的平均速度场。 |
| 关键词 | |
| 学校署名 | 其他
|
| 语种 | 中文
|
| 收录类别 | |
| 来源库 | CNKI
|
| 引用统计 |
被引频次[WOS]：0
|
| 成果类型 | 会议论文 |
| 条目标识符 | http://kc.sustech.edu.cn/handle/2SGJ60CL/218856 |
| 专题 | 工学院_力学与航空航天工程系 |
| 作者单位 | 1.北京大学工学院力学系 2.浙江大学航空航天学院工程力学系 3.南方科技大学力学与航空航天工程系 |
| 推荐引用方式 GB/T 7714 |
郭先文,夏振华,陈十一. 基于RANS模型的数据增强在数据驱动湍流模型中的应用[C],2020:1.
|
| 条目包含的文件 | 条目无相关文件。 | |||||
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论