原有的湍流模型加上非线性项雷诺应力的问题
-
-
@李东岳 在 原有的湍流模型加上非线性项雷诺应力的问题 中说：
每个步长首先通过pytorch获取g(i)，g(i)是一些列的标量
把g(i)的数值传输到OpenFOAM的非线性湍流模型里
每个时间步封闭，速度压力耦合求解
进入到下一个时间步，回归到第一步所以这是机器学习+CFD的一种方法。但是因为每一步都要训练出来一个g(i)，所以速度慢。
一个有关g（i）隐式的公式，若能被OF识别并有效输出，那我就不用每次迭代计算调用pytorch来进行计算
你们打算找出来g(i)的一个公式，写成$g(i)=f(\bfU)$类似的函数，然后流程就变成了：
- 最开始训练出$g(i)=f(\bfU)$函数表达式
- 进行CFD求解（在这一步里面，不需要花时间训练找参数）
我这样理解对么？
-
@李东岳 李老师，我遇到一个wmake的问题。我把我训练完成的神经网络写成一个reynoldsNet库，打算在linearViscousStrees中调用，但是显示了无法识别的问题这是什么导致的？
wmakeLnIncludeAll: running wmakeLnInclude on dependent libraries: unknown option: '-I/home/user3/OpenFOAM/user3-9/reynoldsNet/lnInclude' Usage: wmakeLnInclude [OPTION] [dir] options: -update | -u update -silent | -s use 'silent' mode (do not echo command) -help | -h print the usage Link all the source files in the <dir> into <dir>/lnInclude Note The '-u' option forces an update when the lnInclude directory already exists and changes the default linking from 'ln -s' to 'ln -sf'. -
@李东岳 上面的步骤是在编译MomentumTransportModels文件夹时候的。同时，我在simpleNNFoam中修改了我的需要连接的linearViscousStrees中的divDevTau(U, S, R)，S跟R都已经在 createFields.H中创建了。
// Momentum predictor MRF.correctBoundaryVelocity(U); tmp<fvVectorMatrix> tUEqn ( fvm::div(phi, U) + MRF.DDt(U) + turbulence->divDevTau(U, S, R) // Data driven R-S + viscous component == fvModels.source(U) ); fvVectorMatrix& UEqn = tUEqn.ref(); UEqn.relax(); fvConstraints.constrain(UEqn); if (simple.momentumPredictor()) { solve(UEqn == -fvc::grad(p)); fvConstraints.constrain(U); }但是我在wmake我的simpleNNFoam中出现了，数据类型不对的问题。
In file included from /home/user3/libtorch/include/c10/util/Exception.h:7, from /home/user3/libtorch/include/ATen/core/Generator.h:11, from /home/user3/libtorch/include/ATen/CPUGeneratorImpl.h:3, from /home/user3/libtorch/include/ATen/Context.h:3, from /home/user3/libtorch/include/ATen/ATen.h:7, from /home/user3/libtorch/include/torch/csrc/api/include/torch/types.h:3, from /home/user3/libtorch/include/torch/script.h:3, from /home/user3/OpenFOAM/user3-9/reynoldsNet/lnInclude/reynoldsNet.H:42, from /home/user3/OpenFOAM/user3-9/src/MomentumTransportModels/momentumTransportModels/lnInclude/linearViscousStress.H:38, from /home/user3/OpenFOAM/user3-9/src/MomentumTransportModels/momentumTransportModels/lnInclude/Stokes.H:39, from /home/user3/OpenFOAM/user3-9/src/MomentumTransportModels/momentumTransportModels/lnInclude/laminarModel.C:27, from /home/user3/OpenFOAM/user3-9/src/MomentumTransportModels/momentumTransportModels/lnInclude/laminarModel.H:193, from /home/user3/OpenFOAM/user3-9/src/MomentumTransportModels/incompressible/lnInclude/kinematicMomentumTransportModel.H:47, from simpleNNFoam.C:66: /home/user3/libtorch/include/c10/util/variant.h:1204:11: error: no matching function for call to 'Foam::data::data(const c10::detail_::impl<c10::SmallVector<c10::SymInt, 5>, at::Tensor>&)' 1204 | data(lib::forward<V>(v)), | ^~~~~~~~~~~~~~~~~~~~~~~~我查看了 Foam::data::data(const objectRegistry& obr)，要的是objectRegistry类，但是在我的reynoldsNet库中已经将libtorch输出的torch::Tensor转换成std::vector<float>然后带入输出，没有将是torch的数据直接带入OF中。这是有数据没按要求来转换吗？
-
李 李东岳 被引用 于这个主题
-
@SHUKK 老铁这个工作做的怎么样了
另外我这段时间也关注这些东西。初步有个这个结论，这个是我自己想的：
目前都是openfoam+pytorch而不是openfoam+libtorch，但是我测试openfoam+libtorch完全可以混编，并且编译起来很简单。如果openfoam+pytorch，这里面等于添加了个python的API。我就没太理解大家为什么用的都是openfoam+pytorch而不是openfoam+libtorch。后来我捉摸应该是机器学习那面好多人都是python程序员，然后就专门写了个python版本的pytorch，对于他们那一圈人，pytorch比较好用... 只有这一个原因。
因为我最近要试一下PINN求解PDE。对于那面来说，用纯粹的pytorch就可以。但是pytorch写起来比较麻烦。好多人就用了个接口交deepxde。
那对于为什么用的都是openfoam+pytorch而不是openfoam+libtorch，纯粹是用户习惯的原因，不知道我理解的对不对。
是要像李老师学习才对，对OF的代码和耦合还在学习中
。目前1w步跑完结果与LES相似