Comparteix:

Desenvolupament de nous models de paret per a la simulació de grans remolins

11/06/2024

Sarath Radhakrishnan va defensar la seva tesi codiregida per Oriol Lehmkuhl Barba i Daniel Mira Martinez el 10 de juny al Campus UPC. Amb el títol "Modelació de parets no equilibrades en la simulació de grans remolins de fluxos de transició d'alta velocitat", la tesi presenta tres noves metodologies per al desenvolupament de models de parets, dues de les quals es basen en Machine Learning

La simulació de remolí gran amb mode de paret (WMLES) és una eina pràctica per realitzar la simulació de remolí gran amb vores de paret (LES) amb menys cost computacional evitant la resolució explícita de la regió prop de la paret. No obstant això, el seu ús és limitat en fluxos que tenen alts efectes no-equilibri, com la separació i/o transició.

En aquest treball es presenten tres estratègies de modelització de murs, dues d'elles basades en dades d'alta fidelitat. En primer lloc, es presenta una tècnica per millorar la robustesa del model d'estrès per cisallament de parets algebraiques d'última generació. En segon lloc, es desenvolupa un model d'estrès per tall de paret basat en dades d'equilibri utilitzant les dades del canal. L'objectiu clau d'aquest projecte és estabilitzar la metodologia de desenvolupament de models utilitzant dades d'alta fidelitat. El model es construeix utilitzant una tècnica d'aprenentatge automàtic que utilitza arbres de regressió amb gradients (GBRT). L'objectiu del model és aprendre la capa límit d'un flux de canal turbulent de manera que es pugui utilitzar en fluxos significativament diferents on les suposicions d'equilibri són vàlides. Es descriu la importància de seleccionar les dades adequades per a l'entrenament i la importància d'escollir l'entrada del model.

El model es valida a priori i a posteriori. Les proves a posteriori es duen a terme implementant el model en un solucionador multifísica i utilitzant-lo en el flux de canal turbulent i en el flux sobre una capa muntada a la paret. El rendiment del model es compara amb un model algebraic d'estrès per cisallament de la paret per entendre les fortaleses i deficiències dels models basats en dades i millorar encara més el mateix.

En el següent pas, el model s'actualitza a un model de paret sense equilibri utilitzant dades de no equilibri per a l'entrenament. Les dades d'alta fidelitat escollides per a l'entrenament inclouen la Simulació Numèrica Directa (DNS) d'un doble difusor que té regions fortes de flux no d'equilibri i les d'un flux de canal. L'objectiu final d'aquest model és distingir entre regions d'equilibri i no equilibri i proporcionar l'estrès adequat per cisallament de la paret. El sistema ML utilitzat per a aquest estudi és també GBRT. El model es prova a priori i a posteriori. Les proves a posteriori es duen a terme en el difusor, els fluxos de canal, el flux sobre la gepa i els fluxos d'unió. Aquestes proves van demostrar que el model és molt eficaç per als fluxos de cantoneres i els fluxos que impliquen la relaminarització, mentre que es realitza de forma bastant menys efectiva en regions de recirculació.

Keywords
r_n