Skip to content
  • 最新
  • 版块
  • 东岳流体
  • 随机看[请狂点我]
皮肤
  • Light
  • Cerulean
  • Cosmo
  • Flatly
  • Journal
  • Litera
  • Lumen
  • Lux
  • Materia
  • Minty
  • Morph
  • Pulse
  • Sandstone
  • Simplex
  • Sketchy
  • Spacelab
  • United
  • Yeti
  • Zephyr
  • Dark
  • Cyborg
  • Darkly
  • Quartz
  • Slate
  • Solar
  • Superhero
  • Vapor

  • 默认(不使用皮肤)
  • 不使用皮肤
折叠
CFD中文网

CFD中文网

  1. CFD中文网
  2. CFD彩虹条
  3. JFM: 糙网格下的DNS直接模拟

JFM: 糙网格下的DNS直接模拟

已定时 已固定 已锁定 已移动 CFD彩虹条
dns数据驱动湍流cnn
3 帖子 2 发布者 1.1k 浏览
  • 从旧到新
  • 从新到旧
  • 最多赞同
回复
  • 在新帖中回复
登录后回复
此主题已被删除。只有拥有主题管理权限的用户可以查看。
  • 李东岳李 在线
    李东岳李 在线
    李东岳 管理员
    写于 最后由 李东岳 编辑
    #1

    相比较于80年代,最近10年经典CFD领域的湍流模型研究基本处于停滞状态。高精度DNS模拟需要调用上亿网格,目前还受限于计算机能力,仅仅能够进行小规模的计算

    为了在糙网格上可进行高精度的直接模拟。流体力学顶级期刊JFM刊发文章,通过卷积神经网络在糙网格上添加体积力,既可以在糙网格下进行直接模拟。经过岳子嘴嚼后,算法思路非常简单:

    1. 进行高精度DNS直接模拟
    2. unroll一些列的时间步,提取DNS的结果当做训练数据
    3. 同步将糙网格的变量当做输入层,当做CNN的参数,CNN的输出层为体积力
    4. 将体积力添加到NS方程的源项,预测下一个时间步的数据

    该算法的损失通过几部分组成。最重要的损失来自糙网格数据与DNS数据的对比。算法也可以添加能量方面的损失。文章没有详细给出多少个训练数据。但是看起来不是很多,因为unroll的时间步最大的看起来只有60步。并且10个时间步就够了。

    这一篇JFM的湍流模型相对简单,并且适合练手。感兴趣的适合详细读读,可以自行尝试在OpenFOAM下捆绑libtorch直接植入.

    https://www.cambridge.org/core/journals/journal-of-fluid-mechanics/article/learned-turbulence-modelling-with-differentiable-fluid-solvers-physicsbased-loss-functions-and-optimisation-horizons/28D19239CEDB81A3DA58F32E0E8CB3B2

    http://dyfluid.com/index.html
    需要帮助debug算例的看这个 https://cfd-china.com/topic/8018

    1 条回复 最后回复
  • 火 离线
    火 离线
    火丙三金
    写于 最后由 编辑
    #2

    老师这个取多少步可以定量分析吗

    1 条回复 最后回复
  • 李东岳李 在线
    李东岳李 在线
    李东岳 管理员
    写于 最后由 编辑
    #3

    他们测试了10步、60步啥的,还有30步好像,上周看的,现在忘了

    http://dyfluid.com/index.html
    需要帮助debug算例的看这个 https://cfd-china.com/topic/8018

    1 条回复 最后回复

  • 登录

  • 登录或注册以进行搜索。
  • 第一个帖子
    最后一个帖子
0
  • 最新
  • 版块
  • 东岳流体
  • 随机看[请狂点我]