基于物理信息神经网络的气膜冷却湍流模型反演学习
来源：动力工程学报杂志2024年第9期北京时间：
作者：张振, 苏欣荣, 袁新,
摘要：由于气膜冷却问题中湍流的复杂特性,传统雷诺平均(RANS)方法会低估湍流的热扩散强度,导致冷却效果计算不准确。对此提出了一套基于物理信息神经网络(PINN)的湍流建模框架,基于RANS流场和大涡模拟(LES)温度场,建立了数据驱动的湍流普朗特数神经网络模型,在RANS求解器中嵌入该模型,可以动态调整湍流的热扩散强度,获得了与LES高度一致的温度场。结果表明:PINN是构建数据驱动湍流模型的良好方法,对于湍流普朗特数的建模可以有效提升RANS方法对温度预测的准确性。
关键词：气膜冷却,物理信息神经网络,湍流普朗特数,机器学习,湍流模型,
