基于人工神经网络的非结构网格尺度控制方法
网格自动化生成和自适应是制约计算流体力学发展的瓶颈问题之一, 网格生成质量、效率、灵活性、自动化程度和鲁棒性是非结构网格生成的关键问题. 在非结构网格生成中, 网格空间尺度分布控制至关重要,直接影响网格生成质量、效率和求解精度. 采用传统的背景网格法进行空间尺度分布控制需要在背景网格上求解微分方程得到背景网格上的尺度分布, 再将网格尺度从背景网格插值到真实空间点, 过程十分繁琐且耗时.本文从效率和自动化角度提出两种网格尺度控制方法, 首先发展了基于径向基函数(RBF)插值的网格尺度控制方法, 通过贪婪算法实现边界参考点序列的精简, 提高了RBF插值的效率. 同时, 还采用人工神经网络进行网格尺度控制, 初步引入相对壁面距离和相对网格尺度作为神经网络输入输出参数, 建立人工神经网络训练模型,采用商业软件生成二维圆柱和二维翼型非结构三角形网格作为训练样本, 通过训练和学习建立起相对壁面距离和相对网格尺度的神经网络关系. 进一步实现了二维圆柱、不同的二维翼型的尺度预测, RBF方法和神经网络方法的效率与传统背景网格法相比提高了5～10倍, 有助于提高网格生成的效率. 最后, 将方法推广应用于各向异性混合网格尺度预测, 得到的网格质量满足要求.
人工神经网络;网格生成;网格尺度;背景网格法;径向基函数
53
V211.3(基础理论及试验)
国家重大专项;空气动力学国家重点实验室创新基金
2021-11-25（万方平台首次上网日期，不代表论文的发表时间）
共10页
2682-2691
