流场特征识别的无量纲时程深度学习方法

流场的特征直接影响结构的流致振动状态,对结构绕流流场的特征分析具有重要的研究意义。在中高雷诺数与不同流速的情况下,尾流中隐含的流场特征不同,传统数学物理方法很难对其特征进行提取与识别。该文提出了采用无量纲的物理量时程进行流场特征识别的深度学习方法,消除了不同来流速度的影响,仅通过时程的时变特征进行特征识别,扩大了特征识别方法的应用范围。采用两种不同深度学习模型对三种棱柱的尾流进行了特征提取与识别,通过比较可以发现：归一化的时程中仍包含不同形状物体所引起流场的关键特征,可用于流场的特征提取;使用归一化时程进行流场特征识别可降低模型训练难度,又提高了特征提取的精度,是一种流场特征提取的新方法。     

Re=3 900圆柱绕流的三维大涡模拟

为研究亚临界雷诺数范围内圆柱绕流流场特性及三维大涡模拟方法的适用性,基于C++语言及有限体积法开发了三维非结构化网格的大涡模拟计算程序.采用新的高稳定性高精度二阶离散格式,及Smagorinsky亚格子模型对Re=3 900均匀来流条件下的圆柱绕流问题进行数值模拟,并统计获得了平均流场参数及湍流流场的详细结构特性.结果表明:采用本文的网格、计算步长和高稳定性二阶离散精度大涡模拟方法计算所得的湍流场一阶统计特性和二阶统计特性与实验值吻合很好.验证了大涡模拟程序在模拟亚临界雷诺数下圆柱绕流流场平均值及脉动值的合理性.     

无变形网格下运动参考系求解平动流固耦合问题

为模拟平动涡激振动,采用一种无变形网格的计算方法。通过运动参考系模拟整个求解域的运动,结合非结构网格下高精度算法,在NS方程中引入运动参考系引起的对流项及采用新的边界处理方式,通过构造合理的计算求解域,对低雷诺数下(Re=200)圆柱涡激振动进行了模拟,得到了圆柱涡激振动振幅以及详细流场结构,与实验结果和数值结果相比都得到了很好的一致性。并对不同阻尼比、频率比等参数进行研究,详细对比了不同振幅下尾流结构特征。结果证明了该计算方法是可行的、准确的。     

基于时程深度学习的桥面绕流表征与重构方法

流场特性的研究是结构风工程的核心问题,而高分辨率的流场数据对解决风致振动问题、探索流固耦合机理具有着重要意义。受测量方法、计算效率等因素限制,高空间分辨率的流场时程数据的直接获取仍有一定困难。该文基于流场时程数据的表征模型,提出了桥面非定常流动时程重构的深度学习方法。基于一维卷积方法建立了非定常桥面绕流场的表征模型,得到了物理空间与表征模型的编码空间之间的映射关系,最后利用表征模型的解码器生成未知测点处的流场时程数据。对较低雷诺数桥梁主梁的非定常绕流流场进行了研究与验证,实现了桥面绕流的时程数据重构,验证了方法的准确性与可行性。该文所提方法基于流场的时程数据进行表征与重构,可广泛应用于工程中基于一点的传感器数据处理,是一种桥面流场数据分析的新方法。