Deconvolutional artificial neural network models for large eddy simulation of turbulence
Deconvolutional artificial neural network models for large eddy simulation of turbulence
复制标题
用于湍流大涡模拟的反卷积人工神经网络模型
DOI：
10.1063/5.0027146
复制
发表时间：
2020-07
影响因子：
4.6
通讯作者：
Wang Jianchun
中科院分区：
文献类型：
--
作者：
Yuan Zelong;Xie Chenyue;Wang Jianchun
建立了湍流大涡模拟(LES)中次网格尺度应力的去卷积人工神经网络(DANN)模型。将不同空间点的滤波速度作为Dann模型的输入特征，重构出未滤波的速度。为了准确模拟SGS动力学的影响，DANN模型的网格宽度被选择为小于滤波片的宽度。与以往研究中的近似反褶积方法(ADM)和速度梯度模型(VGM)相比，Dann模型能更准确地预测SGS应力：其相关系数可大于99，相对误差小于15。在后验研究中，对Dann模型、隐式大涡模拟(ILES)、动态Smagorinsky模型(DSM)和动态混合模型(DMM)进行了综合比较，结果表明：在不增加计算代价的情况下，Dann模型在速度谱、各种速度统计和瞬时相干结构的预报方面优于ILES、DSM和DMM模型。此外，训练好的Dann模型在没有任何微调的情况下，可以很好地预测不同滤波宽度下的速度统计。这些结果表明，考虑SGS空间特征的Dann框架是在湍流大涡模拟中发展高级SGS模式的一种很有前途的方法。
Deconvolutional artificial neural network (DANN) models are developed for subgrid-scale (SGS) stress in large eddy simulation (LES) of turbulence. The filtered velocities at different spatial points are used as input features of the DANN models to reconstruct the unfiltered velocity. The grid width of the DANN models is chosen to be smaller than the filter width, in order to accurately model the effects of SGS dynamics. The DANN models can predict the SGS stress more accurately than the conventional approximate deconvolution method (ADM) and velocity gradient model (VGM) in a prior study: the correlation coefficients can be made larger than 99\% and the relative errors can be made less than 15\% for the DANN model. In an a posteriori study, a comprehensive comparison of the DANN model, the implicit large eddy simulation (ILES), the dynamic Smagorinsky model (DSM), and the dynamic mixed model (DMM) shows that: the DANN model is superior to the ILES, DSM, and DMM models in the prediction of the velocity spectrum, various statistics of velocity and the instantaneous coherent structures without increasing the considerable computational cost. Besides, the trained DANN models without any fine-tuning can predict the velocity statistics well for different filter widths. These results indicate that the DANN framework with consideration of SGS spatial features is a promising approach to develop advanced SGS models in the LES of turbulence.
登录
查看更多内容
影响因子：
4.6
作者：
Yipeng Shi;Zuoli Xiao;Shiyi Chen
通讯作者：
Yipeng Shi;Zuoli Xiao;Shiyi Chen
影响因子：
4.1
作者：
E. Garnier;M. Mossi;P. Sagaut;P. Comte;M. Deville
通讯作者：
E. Garnier;M. Mossi;P. Sagaut;P. Comte;M. Deville
用于湍流大涡模拟的尺度自适应亚网格尺度建模
影响因子：
4.6
作者：
Yu Changping;Xiao Zuoli;Li Xinliang
通讯作者：
Li Xinliang
DOI：
10.1016/j.jcp.2005.08.017
发表时间：
2005-12
期刊：
J. Comput. Phys.
影响因子：
--
作者：
S. Hickel;N. Adams;J. Domaradzki
通讯作者：
S. Hickel;N. Adams;J. Domaradzki
机翼周围亚音速流动湍流建模的机器学习方法
影响因子：
4.6
作者：
Linyang Zhu;Weiwei Zhang;Jiaqing Kou;Yilang Liu
通讯作者：
Yilang Liu