基于流动仿真大数据应对旋涡-湍流的研究进展

摘要：

文章以流体科学进入二十一世纪后,在大规模超算、云存储、数据通信和人工智能为支撑的大数据时代背景下,结合目前在复旦大学航空航天系所构建的热流体湍流直接数值仿真数据库,以及复旦大学团队近期与美国德州大学刘超群教授、上海理工大学蔡小舒教授以及国内水动力学杂志编辑部所合作开展的第三代涡识别技术研究,初步概念性地展示旋涡和湍流,特别是针对有工程实际背景和直接应用价值的壁湍流,在这两个流体力学关键基础议题上的最新认知,和基于大数据深度学习的相关湍流工程模拟实践成果.这些成果包括:(1)基于第三代涡识别技术的尾迹湍流中的涡运动学和动力学探索;(2)流-热统一完整的类-1、类-2湍流边界层壁面律构建;(3)基于第三代涡识别量对Kolmogorov幂次律的再认知;(4)基于DNS统计数据和神经网络深度学习构建新型湍流封闭模型及RANS计算实践.通过这些成果展示,论证解决这两个基础流体科学议题的技术路径,进而促进流体及相关学科研究在现代大数据背景下取得实质性进展和突破,并惠及现代流体、气动、水利、动力和化工等工程领域.

关键词：涡识别、壁湍流、热湍流边界层、湍流壁面律、湍流幂次律、直接数值模拟、雷诺平均方法

所属期刊栏目：43

分类号：X125;X126(环境物理学)

资助基金：国家自然科学基金;上海市教委联合创新计划;上海市科委科技创新行动计划

在线出版日期：2022-08-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共20页

页码：197-216