基于物理信息神經(jīng)網(wǎng)絡(luò)的氣膜冷卻湍流模型反演學習

摘要： 由于氣膜冷卻問題中湍流的復(fù)雜特性，傳統(tǒng)雷諾平均(RANS)方法會低估湍流的熱擴散強度，導致冷卻效果計算不準確。對此提出了一套基于物理信息神經(jīng)網(wǎng)絡(luò)(PINN)的湍流建模框架，基于RANS流場和大渦模擬(LES)溫度場，建立了數(shù)據(jù)驅(qū)動的湍流普朗特數(shù)神經(jīng)網(wǎng)絡(luò)模型，在RANS求解器中嵌入該模型，可以動態(tài)調(diào)整湍流的熱擴散強度，獲得了與LES高度一致的溫度場。結(jié)果表明：PINN是構(gòu)建數(shù)據(jù)驅(qū)... （共7頁）