HiFi-TURB 項目 - 使用 AI 和 ML 進(jìn)行湍流建模

Fidelity CFD

2023年3月9日 20:03

2023 年 2 月 28 日? 4 分鐘閱讀

HiFi-TURB 項目 - 使用 AI 和 ML 進(jìn)行湍流建模的圖1

今天，應(yīng)用流體動力學(xué)的一個重大挑戰(zhàn)是缺乏對湍流相關(guān)特征的理解。讓我們對將 CFD 應(yīng)用于飛機(jī)機(jī)翼上的流動分離、激波邊界層相互作用等應(yīng)用缺乏工業(yè)信心。提高復(fù)雜流體流動模型的能力可以減少能源消耗、溫室氣體 (GHG) 排放和噪音來自飛機(jī)、汽車和輪船的輻射。這些復(fù)雜的模型可以以高度競爭的方式對經(jīng)濟(jì)和工業(yè)領(lǐng)導(dǎo)地位產(chǎn)生有利影響。因此，理解、建模和預(yù)測湍流現(xiàn)象是高效和環(huán)境安全設(shè)計的關(guān)鍵。為了實現(xiàn)這一目標(biāo)，HiFi-TURB 項目啟動了一項雄心勃勃的創(chuàng)新計劃，以解決高級湍流模型中的一些缺陷。

HiFi -TURB 項目基于以下卓越支柱：

針對包含感興趣的關(guān)鍵流特征的一系列參考流利用 高保真 LES/DNS 數(shù)據(jù) 。
應(yīng)用新型 人工智能和機(jī)器學(xué)習(xí)算法 來識別代表性湍流量之間的顯著相關(guān)性。
世界著名的湍流建模行業(yè)和學(xué)術(shù)專家對改進(jìn)模型研究的指導(dǎo)。

該聯(lián)盟是主要航空公司和軟件編輯之間的合作，Cadence Design Systems 擔(dān)任協(xié)調(diào)員。包括ERCOFTAC在內(nèi)的知名研究中心和學(xué)術(shù)團(tuán)體是湍流專業(yè)知識的來源。

案例研究：通過高保真仿真和機(jī)器學(xué)習(xí)研究湍流

高性能計算 (HPC) 的大規(guī)模可用性為湍流模型開發(fā)的真正新穎方法打開了大門。本研究將人工智能 (AI) 和機(jī)器學(xué)習(xí) (ML) 技術(shù)應(yīng)用于包含分離流區(qū)域或復(fù)雜 3D 流特征的高保真、比例解析測試用例模擬數(shù)據(jù)庫。圖 1顯示了用作湍流建模任務(wù)基礎(chǔ)的流場示例。

HiFi-TURB 項目 - 使用 AI 和 ML 進(jìn)行湍流建模的圖2

圖 1. T161 級聯(lián)的流動結(jié)構(gòu)（用作湍流模型改進(jìn)輸入的典型流場）。

這些模擬中生成的大量數(shù)據(jù)需要一種新的數(shù)據(jù)挖掘方法。這就是 Neural Concept 引入其基于深度學(xué)習(xí)的工具鏈來分析 3D 尺度解析模擬提供的大量數(shù)據(jù)的地方。使用基于幾何的變分自動編碼器 (VAE)，Cadence CFD 能夠深入了解平均流量變量之間的相關(guān)性。VAE 將數(shù)據(jù)在物理上有意義地壓縮為“嵌入”，然后從壓縮數(shù)據(jù)中重建原始輸入。這是以高精度完成的，這允許使用 ML 模型作為原始數(shù)據(jù)的替代（代理）。優(yōu)點(diǎn)是更容易處理數(shù)據(jù)，可能利用數(shù)據(jù)挖掘，以及可以深入了解研究中涉及的物理學(xué)的分析技術(shù)。

HiFi-TURB 項目 - 使用 AI 和 ML 進(jìn)行湍流建模的圖3

圖 2. 調(diào)查的仿真域（左）和數(shù)量的統(tǒng)計分析（右）。

圖 2 是可能的分析示例。2D 繪圖上的符號顏色對應(yīng)于“嵌入”值，并且在 3D 視圖（左）和 2D 繪圖（右）中相同。對于所有考慮的物理量，相同顏色的點(diǎn)具有相同的值。由嵌入值著色的 3D 視圖是研究域中多個物理量的全局統(tǒng)計表示。這兩個圖都使用機(jī)器學(xué)習(xí)模型提供了流動行為的新視角。

HiFi-TURB 工作程序

工作包 1：管理

任務(wù) 1：一般協(xié)調(diào)/項目指導(dǎo)
任務(wù) 2：知識交流（交流/網(wǎng)站）
任務(wù) 3：傳播/開發(fā)

工作包 2：進(jìn)一步改進(jìn) HOM，以降低 CPU 成本和彎曲網(wǎng)格生成

任務(wù) 1：降低高保真 LES/DNS 的 CPU 成本
任務(wù) 2：邁向工業(yè)曲線網(wǎng)格生成技術(shù)

工作包 3：為已識別的物理現(xiàn)象生成高保真 LES/DNS 數(shù)據(jù)集

任務(wù) 1：選擇具有已識別物理特性的基礎(chǔ)和工業(yè)相關(guān)測試用例
任務(wù) 2：生成新的 h - 高保真 LES/DNS 數(shù)據(jù)集
任務(wù) 3：LES/DNS 數(shù)據(jù)的評估、可靠性和質(zhì)量

工作包 4：LES/DNS 數(shù)據(jù)的特征檢測和高級分析

任務(wù) 1：通過數(shù)據(jù)驅(qū)動方法分析基本湍流平均數(shù)據(jù)
任務(wù) 2：通過與 HRLM 和 WMLES 相關(guān)的 AI 和深度學(xué)習(xí)方法分析時間湍流數(shù)據(jù)

工作包 5：湍流建模評估和改進(jìn)——由 WP5 任務(wù)組監(jiān)督

任務(wù) 1：開發(fā)、改進(jìn)和評估 EARSM 湍流模型
任務(wù) 2：開發(fā)、改進(jìn)和評估 DRSM 湍流模型
任務(wù) 3：開發(fā)、改進(jìn)和評估 WMLES 和混合 RANS-LES 的壁模型

工作包 6：驗證應(yīng)用于代表性和工業(yè)相關(guān)測試案例的新湍流模型

任務(wù) 1：驗證外部流動配置（高升力和阻力預(yù)測。WS 案例）- 新
任務(wù) 2 的基線：固定（擴(kuò)散器）和旋轉(zhuǎn)案例的內(nèi)部流動配置驗證 - 新
任務(wù) 3 的基線：評估和建議

工作包 7：開放可訪問性 LES/DNS 數(shù)據(jù)庫的管理 (ERCOFTAC)

任務(wù) 1：定義數(shù)據(jù)庫標(biāo)準(zhǔn)和實施規(guī)則
任務(wù) 2：創(chuàng)建和管理 LES/DNS 數(shù)據(jù)庫
任務(wù) 3：將 WP6 的結(jié)果集成到 ERCOFTAC Wiki 知識庫中

HiFi-TURB 聯(lián)盟成員

Cadence Design Systems 比利時（協(xié)調(diào)員）
達(dá)索航空
賽峰集團(tuán)
帝國理工學(xué)院
德國ANSYS
Cineca Consorzio Interuniversitario
巴塞羅那超級計算中心 – CENTRO National de Supercomputacion
Centre de Recherche en Aéronautique ASBL - CENAERO
Centre Européen de Recherche et de Formation Avancée en Calcul Scientifique - CERFACS
辦公室國家 d'Etudes et de Recherches Aerospatiales - ONERA
Deutsches Zentrum für Luft und Raumfahrt - DLR
貝加莫大學(xué)
魯汶天主教大學(xué)
歐洲流動湍流和燃燒研究共同體 – ERCOFTAC
中央空氣流體動力學(xué)研究所-TsAgi