基于物理信息深度學習算法的Flame D 熱流場重構研究

打開文本圖片集

摘要：盡管數(shù)值模擬方法在求解流體動力學的湍流過程中發(fā)展迅速，但處理復雜的幾何形狀和流動過程時，在準確建模和計算速度等問題上仍面臨挑戰(zhàn)性。針對當前在計算流體力學（Computational Fluid Dynamics，CFD）上存在的計算代價大等問題，本文在傳統(tǒng)的湍流數(shù)值模擬技術的基礎上，結(jié)合機器學習，以經(jīng)典的Sandia Flame D 燃燒模型為例，通過引入物理信息的深度學習算法， 建立物理信息神經(jīng)網(wǎng)絡架構（Physical-Information Neural Network，PINN），將符合規(guī)律的物理信息內(nèi)嵌到神經(jīng)網(wǎng)絡，使得用小樣本就能實現(xiàn)參數(shù)的流場重構。（剩余12206字）