科研之友
微信
新浪微博
Facebook
分享链接
摘要
三维流场的快速分析是工程应用领域最关心的内容。为了实现对三维非定常流场的降阶重构，提出了一种基于卷积神经网络和残差连接的U型架构降阶模型，通过对当前的流场快照进行多层次的特征提取，并通过解码器将多尺度特征进行融合，将其解码为未来时刻的流场数据。基于有限体积法求解Navier-Stokes方程得到的圆球绕流全阶流场快照作为真实的物理数据，评估降阶模型对三维典型流动的学习和推理能力。研究结果表明，增量预测结果与真实流场基本吻合，最大相对误差在0.2%以内，速度比数值模拟提升两个量级。所提出的降阶模型，实现了三维非定常流场快速重构的预期目标。
- 出版日期2023
- 单位西安交通大学
