基于人工神经网络的亚格子应力建模

作者：吴磊; 肖左利

来源：力学学报, 2021, 53(10): 2667-2681.

• 湍流
• 大涡模拟
• 人工神经网络
• 亚格子应力
• 滤波宽度

亚格子(SGS)应力建模在湍流大涡模拟(LES)中有着极为重要的作用.传统亚格子应力模型存在相对误差较大、耗散过强等问题.近年来,计算机技术的发展使得人工神经网络(ANN)等机器学习方法逐渐成为亚格子应力建模型的新研究范式.本文着重考虑滤波宽度及雷诺数影响,在不可压缩槽道湍流中建立了亚格子应力的ANN模型.该模型以滤波后的直接数值模拟(f DNS)流场物理量及滤波尺度为输入信息,相应滤波尺度下的亚格子应力为输出量.通过对不同滤波尺度及不同雷诺数数据的训练, ANN模型能够给出与直接数值模拟(DNS)高度吻合的亚格子应力.此外,模型在亚格子耗散等非ANN建模量上也有着优异的预测性能,与基于DNS获得的对应物理量的相关系数大都在0.9以上,较梯度模型及Smagorinsky模型有明显提升.在后验测试中, ANN模型对流向平均速度剖面的预测同样优于梯度模型、Smagorinsky模型及隐式大涡模拟(ILES)等传统LES模型.在脉动速度均方根预测方面,除了某些法向位置外ANN模型的性能整体上相对其他3个模型有所提升.然而,随着网格尺度的增大ANN模型预测的结果与fDNS结果的偏差逐渐增大.总之, ANN方法在发展高精度亚格子应力模型上具有很大的潜力.

• 单位
  湍流与复杂系统国家重点实验室; 北京大学