基于物理知识约束的数据驱动式湍流模型修正及槽道湍流计算验证

发布时间：2021-02-04 20:19

　　对湍流摩擦阻力的精准预测是学术界和工业界普遍关心的重要问题,而数据驱动式的湍流模型修正方法对此显示出较大的潜力和前景。提出了一种基于物理知识约束的数据驱动式湍流模型修正方法,根据湍流摩擦阻力分解获得先验物理知识,在S-A湍流模型的生成项中引入非均匀分布的修正因子,以修正因子为设计变量,设定包含物理知识约束的目标函数,利用离散伴随方法求解目标函数与设计变量之间的梯度关系,通过高效率的迭代求解获得修正因子的分布。以槽道湍流为例,验证了包含物理知识约束的数据驱动式建模方法的优势,并分析了物理知识约束对湍流摩擦阻力预测精度的影响,结果表明引入物理知识约束可进一步提高湍流摩擦阻力的预测精度。 

【文章来源】：航空学报. 2020,41(03)北大核心

【文章页数】：10 页

【部分图文】：

不同雷诺数下直接黏性耗散项的法向分布

湍流模型修正优化流程如图2所示，首先基于原始S-A模型完成RANS方程的求解，由流场变量及方程残差构造偏导数矩阵及关于目标函数的右端项?，然后使用GMRES算法对伴随方程进行求解，获得目标函数关于设计变量β的梯度，利用最速下降法进行β的更新，重新构造新的偏导数矩阵??及右端项?，迭代计算直至目标函数收敛。以二维方程[29]来验证伴随方法所求得的梯度与有限差分法的一致性，图3对比了有限差分法与伴随方法所得的梯度分布，其偏差小于0.57%，属于合理范围内。

以二维方程[29]来验证伴随方法所求得的梯度与有限差分法的一致性，图3对比了有限差分法与伴随方法所得的梯度分布，其偏差小于0.57%，属于合理范围内。2 计算结果与分析

【参考文献】：
期刊论文
[1]《应用数学和力学》第40卷总目次（2019年）[J].   应用数学和力学. 2019(12)
[2]湍流模型系数不确定度对翼型绕流模拟的影响[J]. 赵辉,胡星志,张健,陈江涛,马明生.  航空学报. 2019(06)
[3]机器学习技术在气动优化中的应用[J]. 陈海昕,邓凯文,李润泽.  航空学报. 2019(01)



本文编号：3018883