基于基因表达式编程的数据驱动湍流建模
计算流体动力学是湍流研究的重要手段, 其中雷诺平均模拟在航空航天等实际工程中得到了广泛应用.雷诺平均模拟的结果很大程度上依赖于湍流模型的预测精度, 而实际工程应用中常用的模型往往精度有限. 近年来, 数据驱动的湍流建模方法得到越来越多的关注. 本文介绍了基于基因表达式编程 (gene-expression programming, GEP) 方法的湍流建模相关进展. 本文首先讨论基因表达式编程应用于湍流建模的具体方法, 包括基本算法、显式代数应力模型和湍流传热两种建模框架、模型测试方法以及损失函数设置等. 在此基础上, 基因表达式编程方法被应用于涡轮叶栅尾流混合、竖直平板间自然对流、三维横向流中的射流等问题. 结果表明, GEP可以有效提升常用模型对于尾流混合损失、壁面热通量等关键参数的预测精度. 基因表达式编程方法可以显式给出模型方程, 因此模型具有可解释性强等特点. 基于双向耦合方法得到的模型还被证明具有较好的后验测试精度和鲁棒性. 基因表达式编程方法还被初步应用于大涡模拟亚格子应力和边界层转捩等问题的建模, 在不同湍流建模领域表现出很大的潜力.
湍流;雷诺平均模拟;显式代数应力模型;湍流传热模型;基因表达式编程;机器学习
53
O35(流体力学)
2021-11-25(万方平台首次上网日期,不代表论文的发表时间)
共16页
2640-2655