Journal of Fluid Mechanics· 2016Q1
Derin öğrenme ağları ile değişmezlik gömülü Reynolds ortalamalı türbülans modellemesi
Reynolds averaged turbulence modelling using deep neural networks with embedded invariance
- 1.615atıf
- Q1SCImago
- 2016yıl
Kısa özet
Galilean değişmezliğini gömen yeni bir derin öğrenme ağı mimarisi, Reynolds gerilimi anizotropisini tahmin ederek, iki test durumunda hız alanı tahminlerinde genel ağlardan ve temel RANS modellerinden daha iyi doğruluk sağlar.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Değişmez tensör tabanı ile çarpımsal bir katman kullanarak Galilean değişmezliğini gömen yeni bir DNN mimarisi.
- Değişmez DNN mimarisi, genel bir DNN'ye kıyasla Reynolds gerilimi anizotropisi için daha iyi tahmin doğruluğu gösterir.
- Değişmez DNN kullanılarak yapılan hız alanı tahminleri, temel RANS lineer ve nonlineer viskozite modellerine göre önemli ölçüde iyileşme gösterir.
- Yöntem iki test durumu üzerinde gösterilmiştir, bu da geniş uygulanabilirliği düşündürmektedir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
There exists significant demand for improved Reynolds-averaged Navier–Stokes (RANS) turbulence models that are informed by and can represent a richer set of turbulence physics. This paper presents a method of using deep neural networks to learn a model for the Reynolds stress anisotropy tensor from high-fidelity simulation data. A novel neural network architecture is proposed which uses a multiplicative layer with an invariant tensor basis to embed Galilean invariance into the predicted anisotropy tensor. It is demonstrated that this neural network architecture provides improved prediction accuracy compared with a generic neural network architecture that does not embed this invariance property. The Reynolds stress anisotropy predictions of this invariant neural network are propagated through to the velocity field for two test cases. For both test cases, significant improvement versus baseline RANS linear eddy viscosity and nonlinear eddy viscosity models is demonstrated.
Yazarların özeti; kaynağından alınmıştır. Journal of Fluid Mechanics, 2016 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Hesaplamalı Mekanik
Computational MechanicsEngineering