科研之友
微信
新浪微博
Facebook
分享链接
摘要
依赖湍流模型的雷诺平均方法被广泛应用于航空航天和水下装备的研制等重大工程问题。然而，湍流模型大多建立在线性涡黏假设的基础上，导致预测结果有很大的不确定性。近年来，数据驱动方法逐渐成为构造高精度湍流模型的有力工具。集合卡尔曼方法是一种基于贝叶斯理论的数据驱动方法，能够结合物理模型和稀疏观测数据，提高模型预测准确性。该方法已用于湍流建模问题，降低模型不确定度和构建基于神经网络的非线性涡黏模型。本文主要介绍了集合卡尔曼方法针对湍流建模问题的发展与应用，包括经典集合卡尔曼方法、正则集合卡尔曼方法，以及这些方法在湍流场反演和湍流建模方面的最新进展。
-
单位非线性力学国家重点实验室; 中国科学院力学研究所; 中国科学院大学
