科研之友
微信
新浪微博
Facebook
分享链接
摘要
利用RANS(雷诺平均模拟法)中的湍流模型来模拟管道中的流场依然是工程应用中有效且实用的方法之一，但由于对雷诺应力项引入涡粘假设导致使用湍流模型计算出的结果往往与实际情况存在一定差异。为了提高RANS湍流模型数值模拟计算的精度，本文基于人工神经网络对RANS中标准k-ε湍流模型系数进行预测与修正，并对受壁面射流扰动的管道流场进行了分析。首先建立了管道流的有限元模型，同时考虑了壁面射流对管内流体流动状态的影响，对管道流的流动变化过程进行了有限元仿真，得到了管道流受扰动后的速度场分布规律。其次，搭建了用来预测标准k-ε湍流模型系数的神经网络模型，预测得到了能够准确描述管道内速度场变化趋势的标准k-ε湍流模型系数。最后将新的系数带入有限元模型计算，通过与实验数据进行对比，发现修正后的湍流模型对管道各部分速度场的模拟精度均有较大提升，进一步验证了对标准k-ε湍流模型系数的预测与修正可以提高该模型对管道内速度场变化趋势的模拟精度。
- 单位
