基于图卷积循环网络的非定常周期性流体流动预测

摘要：

基于纳维-斯托克斯(Navier-Stokes,N-S)方程的计算流体力学(computational fluid dynamics,CFD)数值模拟是研究非定常周期性流体流动问题的常用方法之一,但其计算需占用大量时间.针对N-S方程求解CFD过程费时的问题,提出一种基于图卷积循环网络的非定常周期性流体流动预测框架,实现流体流动状态的快速预测.文中输入历史流体流动数据,通过图卷积循环网络学习非定常周期性流体流动的物理过程,预测流场变量分布.结果表明,基于图卷积循环网络的预测模型可以准确预测流体力学规律,其在流速、涡旋、压力等流场变量预测方面均具有较好表现.相比于传统N-S方程求解方法,采用图卷积循环网络预测速度提高了 5倍以上,为流场变量的预测提供了 一种新方法.

关键词：计算流体力学、图卷积循环网络、非定常流体、预测

所属期刊栏目：23

分类号：TP181;O351.3(自动化基础理论)

资助基金：中央高校基本科研基金;四川省科技厅计划

在线出版日期：2023-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：8243-8248