科研之友
微信
新浪微博
Facebook
分享链接
摘要
非定常流场的高维非线性动力学特征使快速准确预测流体运动规律成为计算流体力学（Computational Fluid Dynamics, CFD）研究的难点。针对CFD求解首先需要划分网格将求解区域离散化，采用基于网格数据的图神经网络来捕捉非定常流的时空特征，能适应网格的离散化并模拟非定常流体的流动过程，实现流场变量的快速预测。文中输入自适应网格和初始流场变量数据，通过训练后的模型就能快速准确预测未来时刻的流场变量，同时自适应网格可兼顾预测精度和效率，与图神经网络有较好的适配性。结果表明，采用图神经网络预测的流场数据与CFD数值计算的流场数据具有较好的一致性，并能明显缩短计算时间，为流场变量的预测提供了一种新的解决方案。
- 单位
