基于数据驱动管道流体湍流模型的系数修正及流动特性分析

来源：计算物理杂志2023年第1期北京时间：

作者：梁炜光, 桑建兵, 田红艳, 段文杰, 陶雅萍, 李烽韬

摘要：为提高RANS湍流模型数值模拟的精度，基于人工神经网络对RANS中标准k-ε湍流模型系数进行预测与修正，并对受壁面射流扰动的管道流场进行分析。首先建立管道流的有限元模型，同时考虑壁面射流对管内流体流动状态的影响，对管道流的流动进行有限元仿真，得到管道流受扰动后的速度场分布。其次，搭建预测标准k-ε湍流模型系数的神经网络模型，预测描述管道内速度场变化趋势的标准k-ε湍流模型系数。最后, 将新的系数带入有限元模型计算，并与实验数据对比，发现修正后的湍流模型对管道各部分速度场的模拟精度均有较大提升，对标准k-ε湍流模型系数的预测与修正可以提高模型对管道内速度场变化趋势的模拟精度。

关键词：人工神经网络, 数据驱动, k-ε湍流模型, 管道流, 壁面射流