-
公开(公告)号：CN117574029B
公开(公告)日：2024-04-26
申请号：CN202410078856.4
申请日：2024-01-19
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明涉及数据驱动的雷诺平均湍流场优化技术领域，尤其涉及高分辨率雷诺应力与雷诺平均Navier‑Stokes方程求解器的兼容方法，包括：S1：获取高速激波/边界层干扰复杂分离流的高分辨率雷诺应力数据；S2：耦合SST湍流模型的RANS求解器获得低分辨率的时均场数据，S3：计算高分辨率雷诺应力各向异性张量，S4：利用最小二乘法反算每个网格单元的涡粘，S5：再通过加权计算更新湍流粘性，并约束其上、下界，S6：运行RANS求解器，更新速度场和平均应变率张量；S7：循环S3‑S6，直至RANS速度场和DNS速度场之间的均方误差收敛。实现了高分辨率雷诺应力数据和基于SST模型低分辨率RANS流场的相容性处理，确保优化过程中迭代计算的稳定性，实现力系数的再次收敛，提高了RANS流场的准确度。
-
公开(公告)号：CN116070123A
公开(公告)日：2023-05-05
申请号：CN202310361671.X
申请日：2023-04-07
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本申请公开了一种壁湍流冗余数据剔除方法、装置、设备及介质，涉及人工智能湍流建模领域，所述方法包括：构造与壁湍流流场对应的数据集，所述数据集中包括由各网格单元对应的流场变量组合得到的数据对，并确定各数据对的无量纲壁面距离；基于所述各数据对的无量纲壁面距离对所述各数据对进行聚类处理，以得到聚类后的各个数据区间；基于递归法对每一所述数据区间中不满足预设条件的数据对进行剔除，然后将剔除后的所有所述数据区间中的数据对进行汇总，得到目标样本数据对，可见，本申请首先将数据对进行快速聚类，然后通过递归法剔除冗余数据对，如此一来，提高了机器学习模型训练的效率。
-
公开(公告)号：CN117574029A
公开(公告)日：2024-02-20
申请号：CN202410078856.4
申请日：2024-01-19
Applicant: 中国空气动力研究与发展中心计算空气动力研究所
Abstract: 本发明涉及数据驱动的雷诺平均湍流场优化技术领域，尤其涉及高分辨率雷诺应力与雷诺平均Navier‑Stokes方程求解器的兼容方法，包括：S1：获取高速激波/边界层干扰复杂分离流的高分辨率雷诺应力数据；S2：耦合SST湍流模型的RANS求解器获得低分辨率的时均场数据，S3：计算高分辨率雷诺应力各向异性张量，S4：利用最小二乘法反算每个网格单元的涡粘，S5：再通过加权计算更新湍流粘性，并约束其上、下界，S6：运行RANS求解器，更新速度场和平均应变率张量；S7：循环S3‑S6，直至RANS速度场和DNS速度场之间的均方误差收敛。实现了高分辨率雷诺应力数据和基于SST模型低分辨率RANS流场的相容性处理，确保优化过程中迭代计算的稳定性，实现力系数的再次收敛，提高了RANS流场的准确度。
-
-
Search Results
3
records
(took 0.042 seconds)
