基于神經網絡的SST湍流代理模型研究及應用

摘要： 針對傳統(tǒng)湍流模型參數(shù)眾多且獲取復雜流動數(shù)據慢的問題，研究多種神經網絡算法用于求解超聲速流動中雷諾平均（Navier-Stokes）求解器的湍流代理模型。以超聲速流動條件下的凹槽為例，應用拉丁超立方抽樣方法，獲取標準SST湍流模型的9個參數(shù)樣本空間；采用自主研發(fā)的高超聲速內外流耦合數(shù)值模擬軟件AHL3D，在來流馬赫數(shù)為2.92下開展數(shù)值模擬，獲得壁面壓力數(shù)據，構建數(shù)據集；搭建了深... （共15頁）