-
题名湍流场高分辨重构的时程深度学习方法
- 1
-
-
作者
战庆亮
白春锦
葛耀君
-
机构
大连海事大学交通运输工程学院
同济大学桥梁结构抗风技术交通行业重点实验室
-
出处
《船舶力学》
北大核心
2025年第1期1-11,共11页
-
基金
国家自然科学基金资助项目(51778495,51978527)
桥梁结构抗风技术交通行业重点实验室(上海)开放课题(KLWRTBMC21-02)
+1 种基金
辽宁教育厅研究计划(LJKZ0052)
中央高校基本科研业务费专项资金资助(3132022189)。
-
文摘
湍流的研究离不开高分辨率的流场数据,但受测量方法、计算效率和数据存储等多方面限制,高分辨率湍流数据的直接获取仍比较困难。本文基于流场时程数据的低维表征模型,提出基于神经网络的特征编码预测模型与高分辨率的湍流重构方法。首先,基于一维卷积方法建立湍流时程的低维表征模型;然后,基于人工神经网络模型建立测点坐标与特征编码之间的映射关系,实现未知测点的特征编码预测;最后,利用所预测的特征编码结合表征模型的解码器生成求解域内任意位置处的湍流时程。对Re=2.2×10^(4)的方柱湍流场进行低维表征,进而实现高分辨率流场时程数据的重构,并验证方法的准确性。本文所提方法是一种在时间维度上具有高精度的湍流重构方法,且是一种无监督训练方法,可广泛应用于基于一点的传感器数据处理,是一种适用于湍流流场时程数据重构的新方法。
-
关键词
湍流重构
湍流流场时程
深度学习
特征提取
无监督模型
-
Keywords
turbulence flow reconstruction
turbulence flow time history
deep learning
feature extraction
unsupervised model
-
分类号
Q357.5
[生物学—遗传学]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
