南方科技大学知识苑(SUSTech KC): 基于人工神经网络的湍流大涡模拟方法

题名	基于人工神经网络的湍流大涡模拟方法
作者	谢晨月; 袁泽龙; 王建春; 万敏平; 陈十一
发表日期	2021
DOI	10.6052/0459-1879-20-420
发表期刊	力学学报影响因子和分区
ISSN	0459-1879
卷号	53 期号:1页码:1-16
摘要	大涡模拟方法(LES)是研究复杂湍流问题的重要工具,在航空航天、湍流燃烧、气动声学、大气边界层等众多工程领域中具有广泛的应用前景.大涡模拟方法采用粗网格计算大尺度上的湍流结构,并用亚格子(SGS)模型近似表达滤波尺度以下的流动结构对大尺度流场的作用.传统的亚格子模型由于只利用了单点流场信息和简单的函数关系,在先验验证中相对误差较大,在后验验证中耗散过强.近几年来,机器学习方法在湍流建模问题中得到了越来越多的应用.本文介绍了基于人工神经网络(ANN)的湍流亚格子模型的最新进展.详细地讨论了人工神经网络混合模型、空间人工神经网络模型和反卷积人工神经网络模型的构造方法.借助于人工神经网络强大的数据插值能力,新的亚格子模型的先验精度和后验精度均有显著提升.在先验验证中,新模型所预测的亚格子应力的相关系数超过了0.99,在预测精度上远高于传统的大涡模拟模型.在后验验证中,新模型对各类湍流统计量和瞬态流动结构的预测都优于隐式大涡模拟方法、动态Smagorinsky模型、动态混合模型等传统模型.因此,人工神经网络方法在发展复杂湍流的先进大涡模拟模型中具有很大的潜力.
关键词	湍流大涡模拟亚格子模型人工神经网络机器学习
相关链接	[万方记录]
收录类别	EI
语种	中文
学校署名	第一
资助项目	国家自然科学基金(91952104,11702127,9175220和国家数值风洞工程(NNW2019ZT1-A01,NNW2019ZT1-A04)资助项目
EI入藏号	20210609879982
EI主题词	Atmospheric acoustics ; Atmospheric boundary layer ; Atmospheric thermodynamics ; Complex networks ; Large eddy simulation ; Navier Stokes equations ; Turbulence models ; Turbulent flow
EI分类号	Atmospheric Properties:443.1 ; Fluid Flow:631 ; Fluid Flow, General:631.1 ; Computer Systems and Equipment:722 ; Mathematics:921 ; Calculus:921.2
来源库	WanFang
引用统计	被引频次[WOS]：0
成果类型	期刊论文
条目标识符	http://sustech.caswiz.com/handle/2SGJ60CL/217863
专题	工学院_力学与航空航天工程系
作者单位	南方科技大学力学与航空航天工程系,深圳518055
第一作者单位	力学与航空航天工程系
第一作者的第一单位	力学与航空航天工程系
推荐引用方式 GB/T 7714	谢晨月,袁泽龙,王建春,等. 基于人工神经网络的湍流大涡模拟方法[J]. 力学学报,2021,53(1):1-16.
APA	谢晨月,袁泽龙,王建春,万敏平,&陈十一.(2021).基于人工神经网络的湍流大涡模拟方法.力学学报,53(1),1-16.
MLA	谢晨月,et al."基于人工神经网络的湍流大涡模拟方法".力学学报 53.1(2021):1-16.