基于机器学习的曲面动边界压力场重构
文献类型：会议论文
| 作者 | 王洪平; 吴凡; 何心怡; 王士召
|
| 出版日期 | 2024-08-09 |
| 会议日期 | 2024-08-09 |
| 会议地点 | 中国黑龙江哈尔滨 |
| 关键词 | 压力场重构 曲面动边界 机器学习 物理神经网络 |
| 页码 | 162 |
| 英文摘要 | 流场压力是流体动力学的基本物理量,直接影响了飞机、舰船等航行器的升阻力。同时,流场压力与流动结构相互作用,也是导致流动噪声和结构振动的重要因素。对于鱼类游动、心室舒张收缩、气泡变形这类曲面动边界问题,传统的基于PIV速度场的压力重构方法面临很大的挑战,亟需完善原有的重构方法和发展新的压力重构技术。我们提出了基于机器学习的曲面动边界压力场重构技术。该技术采用双网络模型,边界网络用于追踪边界的运动,流场网络用于流场的约束求解,两者通过边界条件耦合,从而实现曲面运动边界下的压力场求解。我们采用了振荡圆柱绕流、鱼类游动两种典型动边界流场对该方法进行了验证,前者压力场重构误差小于5%,后者误差在15%左右。我们将提出的方法应用于二维和三维左心室流场,得到了左心室中的压力场,进一步计算了左心室的受力。 |
| 资助机构 | 国家自然科学基金委基础科学研究中心项目“非线性力学的多尺度问题研究”(11988102);; 国家自然科学基金项目(12072348) |
| 会议录 | 第十三届全国流体力学学术会议摘要集（下）
 |
| 语种 | 中文 |
| 源URL | [http://dspace.imech.ac.cn/handle/311007/97868]  |
| 专题 | 力学研究所_非线性力学国家重点实验室 |
| 作者单位 | 中国科学院力学研究所 |
| 推荐引用方式 GB/T 7714 | 王洪平,吴凡,何心怡,等. 基于机器学习的曲面动边界压力场重构[C]. 见:. 中国黑龙江哈尔滨. 2024-08-09. |
入库方式： OAI收割
来源：力学研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。