An artificial neural network approach to bifurcating phenomena in computational fluid dynamics
An artificial neural network approach to bifurcating phenomena in computational fluid dynamics
复制标题
计算流体动力学中分叉现象的人工神经网络方法
DOI：
10.1016/j.compfluid.2023.105813
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
J. Hesthaven
中科院分区：
文献类型：
--
作者：
F. Pichi;F. Ballarin;G. Rozza;J. Hesthaven
这项工作涉及的分叉流体现象的调查，使用人工神经网络辅助的降阶建模设置。讨论了非线性参数化偏微分方程非光滑解集的POD-NN方法。因此，我们研究的Navier-Stokes方程描述：（i）在一个通道中的Coanda效应，和（ii）盖子驱动的三角形空腔流，在一个物理/几何多参数设置，考虑域的配置上的分歧点的位置的影响。最后，我们提出了一个减少流形为基础的分歧图的非侵入恢复的临界点的演变。利用这样的检测工具，我们能够有效地获得有关的模式流行为的信息，从对称性破缺配置文件附加/扩散涡，即使在对流为主的制度。
This work deals with the investigation of bifurcating fluid phenomena using a reduced order modelling setting aided by artificial neural networks. We discuss the POD-NN approach dealing with non-smooth solutions set of nonlinear parametrized PDEs. Thus, we study the Navier–Stokes equations describing: (i) the Coanda effect in a channel, and (ii) the lid driven triangular cavity flow, in a physical/geometrical multi-parametrized setting, considering the effects of the domain’s configuration on the position of the bifurcation points. Finally, we propose a reduced manifold-based bifurcation diagram for a non-intrusive recovery of the critical points evolution. Exploiting such detection tool, we are able to efficiently obtain information about the pattern flow behaviour, from symmetry breaking profiles to attaching/spreading vortices, even in the advection-dominated regime.
使用人工神经网络进行偏微分方程降阶建模方法与分叉解的比较
DOI：
10.1553/etna_vol56s52
发表时间：
2021
期刊：
ETNA - Electronic Transactions on Numerical Analysis
影响因子：
--
作者：
Hess, Martin W.;Quaini, Annalisa;Rozza, Gianluigi
通讯作者：
Rozza, Gianluigi