Reynolds応力表現に基づく反復データ駆動乱流モデリングフレームワーク【JST・京大機械翻訳】

Yin Yuhui; Zhang Yufei; Chen Haixin; Fu Song

プレプリント

J-GLOBAL ID：202202200444991252 整理番号：22P0333098

Reynolds応力表現に基づく反復データ駆動乱流モデリングフレームワーク【JST・京大機械翻訳】

An iterative data-driven turbulence modeling framework based on Reynolds stress representation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年04月16日プレプリントサーバーでの情報更新日： 2022年08月20日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

データ駆動乱流モデリング研究は,基本フレームワークが基本的に沈降するような段階に達したが,精度,平滑度,および一般化能力を含む性能に強く影響するいくつかの本質的な課題が残っている。2つの問題を現在の研究で研究した。(1)Reynolds応力テンソルの処理,(2)機械学習乱流モデルと流れソルバの間の結合方法。第一は,ターゲットの予測と結果としての物理的完全性と解釈可能性を決定する。第2は,平均流れ特性とReynolds応力の間の訓練過程と固有関連性を決定する。Reynolds応力処理問題に対して,ひずみ速度と回転速度に加えて,Reynolds応力の関連テンソル議論を拡張するために理論的導出を行った。次に,テンソル表現定理を採用して,完全な既約不変量と完全性基底を与えた。さらに,適応正則化項を用いて表現性能を強化した。結合問題のために,一貫した収束を有する反復結合データ駆動乱流モデリングフレームワークを提案した。訓練データ準備,ターゲット選択の予測,および計算プラットフォームを例証した。次にこのフレームワークを検証のために正準分離流に適用した。訓練された機械学習モデルとフローソルバの結合計算によって得た平均フロー結果は,直接数値シミュレーション真値と高い整合性を持ち,それは現在のアプローチの有効性を証明した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

層流,乱流,境界層

, , , , ,

前のページに戻る