基于深度神经网络的横流转捩预测

基于深度神经网络DNN构建了从层流流场无量纲速度梯度、流向涡强度等物理量到横流转捩模态下间歇因子间的映射关系,获得一种新的数据驱动转捩模型.通过将数据驱动转捩模型与SST k-ω湍流模型耦合,有效简化了转捩模型输运方程求解,实现高效、准确的亚音速三维边界层横流转捩流场计算. DNN训练数据来自变雷诺数的NLF(2)-0415无限展长后掠翼计算结果,并以两种工况进行测试,数据驱动转捩模型预测精度与γ-Reθ转捩模型近似.将数据驱动转捩模型用于其他典型横流转捩算例的计算,以验证其泛化能力.对于变后掠角的NLF(2)-0415后掠翼,数据驱动转捩模型与γ-Reθt-CF模型预测的转捩位置几乎一致,并且能够预测出后掠角从45°增长到65°的过程中,转捩位置先向前再向后移动的现象;对于标准椭球体,使用低分辨率网格进行计算,数据驱动转捩模型依然能够实现转捩位置预测,对椭球体表面Cf的计算结果与多个平台的横流转捩模型、实验结果基本一致.研究表明,以横流转捩相关物理量作为输入对DNN进行训练,并将获得的数据驱动转捩模型与SST k-ω湍流模型耦合,可以实现对横流转捩的有效预测,且具有较强的泛化能力.数...     

基于深度学习的超高速碰撞碎片云生成模型

数据驱动的模型已经被广泛研究,并成功应用到了计算力学。基于深度学习技术,提出一种新的采用数据驱动的碎片云生成模型。此模型可以学习SPH数值模拟结果,然后在多种控制条件下快速生成碎片云。在模型训练前的数据预处理阶段,对SPH模拟结果进行空间网格划分和质量聚合,实现了改善数据分布规律、加速模型训练和提升模型泛化性的目的。以高速靶球撞击薄壁圆筒后的碎片云质量分布为例,模拟并测试了多种控制条件下深度学习模型计算结果的正确性和稳定性,以及计算速度的高效性。实验证明,深度学习模型可以从训练集学习碎片云的物理规律,然后在训练集控制参数范围内进行良好的推理及插值;并且可以在训练数据集控制参数范围外,进行小范围推理预测;同时深度学习模型的计算速度远快于SPH方法。通过深度学习方法建立碎片云模型,可能是一种在空间飞行器防护结构原型设计阶段,实现碎片云实时生成的潜在方案。     

基于深度学习的超高速碰撞碎片云生成模型

数据驱动的模型已经被广泛研究，并成功应用到了计算力学。基于深度学习技术，提出一种新的采用数据驱动的碎片云生成模型。此模型可以学习SPH数值模拟结果，然后在多种控制条件下快速生成碎片云。在模型训练前的数据预处理阶段，对SPH模拟结果进行空间网格划分和质量聚合，实现了改善数据分布规律、加速模型训练和提升模型泛化性的目的。以高速靶球撞击薄壁圆筒后的碎片云质量分布为例，模拟并测试了多种控制条件下深度学习模型计算结果的正确性和稳定性，以及计算速度的高效性。实验证明，深度学习模型可以从训练集学习碎片云的物理规律，然后在训练集控制参数范围内进行良好的推理及插值；并且可以在训练数据集控制参数范围外，进行小范围推理预测；同时深度学习模型的计算速度远快于SPH方法。通过深度学习方法建立碎片云模型，可能是一种在空间飞行器防护结构原型设计阶段，实现碎片云实时生成的潜在方案。     

基于卷积神经网络的涵洞式直立堤波浪透射预测

涵洞式直立堤是一种具有特殊用途的海岸工程结构物,对其透浪特性的研究具有重要工程意义. 然而,目前众多学者对于涵洞式直立堤波浪透射问题的研究主要以理论分析、实验模拟及数值计算为主.随着机器学习技术的发展, 传统水动力学问题迎来了新的求解理念.机器学习算法可根据训练数据集自主学习相应的规律,以数据映射的方式建立水动力学特征预测模型,在实际应用中无需对流体运动控制方程进行求解, 具有较高的计算效率. 因此,本文基于卷积神经网络(convolutional neural network, CNN),对不同开孔条件下的涵洞式直立堤透浪特征进行预测.首先利用模型试验验证计算流体力学(computational fluid dynamics, CFD)模型的有效性,然后基于CFD模型生成相应的训练数据集, 通过训练卷积神经网络模型,建立相应的波浪透射结果之间的数据映射关系,实现在新的工况下对波浪透射系数以及透射波波形等特征的快速预测. 结果表明,经过训练的卷积神经网络可在极短时间内计算得到相应的结果, 并具有较高的准确性.研究成果可为波浪与海岸结构物相互作用的问题提供新的求解理念.      

基于数据驱动的增材制造铝合金的疲劳寿命预测

增材制造金属材料的疲劳损伤及寿命预测问题是当前研究的热点.论文以增材制造AlSi10Mg为典型应用对象，采用数据驱动方法开展疲劳寿命预测，考虑到其疲劳试验数据有限，采用经过试验验证的可靠的理论模型和数值计算方法来获取足够的疲劳数据，以弥补试验数据的不足.首先，提出了基于缺陷特征参数的疲劳损伤模型，其次，建立了理论模型的数值实现方法，并将数值计算结果与试验结果进行对比，验证了所提方法的可靠性.然后，开展数据驱动模型的训练与预测，采用K最近邻的数据驱动算法预测了增材制造AlSi10Mg的疲劳寿命，最后，深入分析了疲劳寿命随增材制造内部缺陷、疲劳载荷的变化规律，研究了数据驱动模型的训练数据量及模型参数对预测精度的影响.     

非等温黏弹性复杂流动的改进SPH方法模拟

非等温黏弹性流体广泛存在于自然界和工业生产中,准确预测黏弹性流体的非等温流动机理和复杂流变特性有着重要的应用价值.文章提出一种改进的光滑粒子流体动力学(smoothed particle hydrodynamics,SPH)方法对非等温黏弹性复杂流动进行了数值模拟,其中流体的黏弹特性通过eXtended Pom-Pom本构模型来表征.为了提高模拟结果的精度,采用了一种核函数梯度的修正算法;为了灵活地施加边界条件,发展了边界粒子和虚拟粒子相联合的边界处理方法;为了消除流动过程中的拉伸不稳定性,施加了粒子迁移技术.运用改进SPH方法数值模拟了液滴撞击固壁和F型腔注塑成型问题,通过与Basilisk软件得到的结果进行比较验证了改进SPH方法求解非等温黏弹性流体的有效性.通过利用不同粒子初始间距进行计算,评价了改进SPH方法的数值收敛性.研究了非等温流动相较于等温流动的不同流动特征,深入分析了不同热流变参数对流动过程的影响.数值结果表明,文章提出的改进SPH方法可稳定、准确地描述非等温黏弹性复杂流动的传热机理、复杂流变特性和自由面变化特性.     

大面积矩形感性耦合等离子体源的三维流体力学模拟

利用自主开发的三维流体力学模型程序,对面向平板显示工艺和光伏工艺的大面积矩形感性耦合氩等离子体源进行了数值模拟.该模型自洽地求解了带电粒子以及中性粒子的流体方程和感应电场的波动方程.利用此模型,研究了气压、功率以及线圈形状对各种等离子体参数的三维空间分布和均匀性的影响.研究结果表明,当放电气压较低时(4 mTorr),电子密度的空间分布比较均匀,且电子密度的最大值出现在腔室的中心区域.感性沉积功率密度、激发态氩原子密度以及电子温度的最大值出现在线圈的下方.随着放电功率的增加,即从1000 W增加到4000 W,电子密度显著提高,但电子密度的空间分布变化不大.随着放电气压的升高,电子密度的均匀性明显下降,即电子密度的最大值主要局域在线圈下方.这是因为在较高的气压下,带电粒子与背景气体的碰撞增加,因此使得带电粒子的密度分布变得局域.此外,文章还研究了不同的线圈结构对于等离子体均匀性的影响.结果表明当气压较高(20 mTorr)时,使用圈,即通过改变线圈结构可以实现对等离子体均匀性的调控.文章的研究成果有助于加深对大面积矩形感性耦合等离子体放电特性的认知,这对于优化平板显示工艺以及光伏工艺至...     

物理驱动深度学习波动数值模拟方法及应用

近年来,物理先验融合数据的深度学习方法求解以偏微分方程为理论基础的正反演问题已成为交叉学科热点.针对地震工程波动数值模拟,本文阐明了物理驱动深度学习方法 PINN的数学概念及实现方式,以无源项一维波动为例,开展了相关理论模型构建,并与解析解及有限差分方法进行对比,分析了PINN方法与其他数值算法模拟波场的相对范数误差,验证了物理驱动深度学习方法求解波动问题的可行性.采用物理驱动深度学习方法并结合谱元法形成的稀疏初始波场数据,开展了二维波动数值模拟,实现了自由边界条件及起伏地表等典型工况的模拟,并给出了时序波场分布特性.更换不同的初始条件,测试了神经网络的泛化精度,提出可显著提高网络训练效率的迁移学习方法.通过与谱元法的结果对比,验证了本文方法模拟均质场地、空间不均匀及复杂地形场地波动问题的可靠性.结果表明,物理驱动深度学习方法具备无网格、精细化模拟等优势,并可实现自由地表及侧边界波场透射等数值模拟条件.     

多场耦合非热平衡低温等离子体与微纳米结构材料的相互作用

低温等离子体是制备微纳米材料和调控其结构特性的最重要方法之一,其中材料结构及特性的改变是等离子体电磁场、热场、化学场等多场耦合综合作用的结果.本文系统而简要地回顾了如下主要内容:电源的频率及其调制、施加方式对等离子体放电特性与稳定性的影响;大气压等离子体物理化学反应动力学;等离子体场对微纳米颗粒的聚集态结构与运动的调控、以及对沉积薄膜微纳米结构的影响.总结并得出如下主要结论:放电频率、脉冲调制功率、容性或者感性耦合方式、单体种类、基片温度等对等离子体活性粒子成分与特性具有主要影响,在kHz～MHz范围可以实现稳定放电和微纳米颗粒制备和薄膜沉积;微纳米颗粒/颗粒膜结构形貌随时间和空间而发生动态变化;低温等离子体多场调制可以快速实现微纳米颗粒的结晶,并调控微纳米颗粒的成分、尺度、带隙、晶型、晶面比例及其形貌特征;引入微颗粒可以在鞘层位置悬浮形成规则的二维等离子体晶格与无序的等离子体非晶,在介观尺度研究复杂系统的结构与动理学过程.     

物理增强的流场深度学习建模与模拟方法

流体运动理论上可用Navier?Stokes方程描述, 但由于对流项带来的非线性, 仅在少数情况可求得方程解析解. 对于复杂工程流动问题, 数值模拟难以高效精准计算高雷诺数流场, 实验或现场测量难以获得流场丰富细节. 近年来, 人工智能技术快速发展, 深度学习等数据驱动技术可利用灵活网络结构, 借助高效优化算法, 获得对高维、非线性问题的强大逼近能力, 为研究流体力学计算方法带来新机遇. 有别于传统图像识别、自然语言处理等典型人工智能任务, 深度学习模型预测的流场需满足流体物理规律, 如Navier?Stokes方程、典型能谱等. 近期, 物理增强的流场深度学习建模与模拟方法快速发展, 正逐渐成为流体力学全新研究范式: 根据流体物理规律选取网络输入特征或设计网络架构的方法称为物理启发的深度学习方法, 直接将流体物理规律显式融入网络损失函数或网络架构的方法称为物理融合的深度学习方法. 研究内容涵盖流体力学降阶模型、流动控制方程求解领域.      

基于组合神经网络的雷诺平均湍流模型 多次修正方法

求解雷诺平均(Reynolds-averaged Navier-Stokes, RANS)方程依然是工程应用中有效且实用的方法, 但对雷诺应力建模的不确定性会导致该方法的预测精度具有很大差异. 随着人工智能的发展, 湍流闭合模型结合机器学习元素的数据驱动方法被认为是提高RANS模型预测性能的有效手段, 然而这种数据驱动方法的稳定性和预测精度仍有待进一步提高. 本文通过构建一个全连接神经网络对RANS方程中的涡黏系数进行预测以实现雷诺应力的隐式求解,该神经网络记作涡黏系数神经网络(eddy viscosity neural network, EVNN). 此外, 也使用张量基神经网络(tensor basis neural network, TBNN)预测未封闭量与解析量之间的高阶涡黏关系, 并利用基张量保证伽利略不变性. 最后, 采用多次修正的策略实现修正模型对流场预测的精度闭环. 上述方法使用大涡模拟(large eddy simulation, LES)方法产生的高保真数据, 以及RANS模拟获得的基线数据对由EVNN和TBNN组合的神经网络进行训练, 然后用训练好的模型预测新的RANS模拟的流场. 通过与高保真LES结果进行对比, 结果表明, 相比于原始RANS模型, 修正模型对后验速度场、下壁面平均压力系数和摩擦力系数的预测精度均有较大提升. 可以发现对雷诺应力线性部分的隐式处理可以增强数值求解的稳定性, 对雷诺应力非线性部分的修正可以提升模型对流场各向异性特征预测的性能, 并且多次修正后的模型表现出更高的预测精度. 因此, 该算法在数据驱动湍流建模和工程应用中具有很大的应用潜力.      

界面不稳定性实验的数值研究

采用多介质流体的三阶精度Piecewise Parabolic Method (PPM) 计算方法对界面不稳定性实验模型进行数值模拟，通过对Lawrence Livermore National Laboratary (LLNL)实验室的果冻环实验模型的数值计算，获得了与其计算和实验图像基本一致的结果， 从而验证和确认了计算方法和计算程序. 在此基础上，对于冲击波物理与爆轰物理实验 室设计的果冻内外界面10模峰对峰、峰对谷振幅为1\,mm扰动的界面不稳定性实验模型，给出 了果冻内外界面位置、速度和加速度历史曲线，详细分析了果冻内外界面不稳定性的发展、 演化过程，并给出了两种实验模型实验结果和对应的数值模拟结果.     

等压比热在基于壁面放电的激波控制中的影响

放电等离子体对流动的控制机理可按热效应和非热效应分为两大类,其中放电等离子体的热效应对流场中激波结构有着明显的控制作用. 目前在放电等离子体热激励对激波控制的数值模拟过程中,通常采用等效热源的方式来实现放电的热效应,数值模拟和实验的结果显示放电产生的局部温度可达到上万度. 如果数值模拟的过程中没有考虑到气体等压比热随温度的非线性变化,计算得到的结果是有失真实性的. 本文以5 马赫的超音速进气道为平台,对基于壁面放电的激波控制过程进行了数值模拟. 选取了随温度非线性变化的等压比热,并且将其结果与定等压比热的计算结果进行了对比. 结果发现:(1) 两种等压比热下,计算结果显示放电热激励在激波控制上都有着显著的效果;(2) 两种计算结果在模拟与温度相关的参数(温度、马赫数和总压恢复系数)上的差别非常明显. 因此,为了获得壁面放电对激波控制更真实的计算结果,必须考虑到等压比热随温度发生非线性变化效应的影响.      

基于ALE,CEL和SPH方法的球形破片高速冲击充液结构对比研究

为研究ALE,CEL和SPH方法在高速冲击流固耦合动力学数值分析中的差异性,开展球形破片高速冲击充液结构数值模拟研究。建立经文献资料验证的ALE,CEL和SPH三种动力学模型,研究了流体压力变化、形成的空腔尺寸、破片速度衰减变化和充液结构变形等模拟精度,并分析相应的计算成本。结果表明,ALE,CEL和SPH三种方法均能有效模拟破片高速冲击充液结构的流固耦合动力学过程;ALE方法预测的空腔尺寸精度较高;CEL方法预测的流体压力、破片速度衰减和充液结构变形精度较高;SPH方法预测的空腔尺寸、破片速度衰减精度较高;当网格尺寸一致时, SPH方法计算时长约为ALE和CEL方法的两倍,但SPH方法前后处理更加简便。     

土体的本构模型和超重力物理模拟

数值模拟和物理模拟是分析土体沉降和稳定性的主要手段. 本构模型作为描述土体应力应变关系的数学表达式, 是数值模拟的基础. 土体具有碎散性, 这一基本物理特性导致了其具有压硬性、摩擦性和剪胀性, 这是土的力学特性区别于金属的主要特征, 在土体的本构模型中必须反映这3个基本特性. 传统土力学将土体的变形和强度分离考虑, 分别采用弹性理论和基于刚塑性模型的极限平衡理论分析, 虽然应用广泛, 但由于不能全面地反映土的基本力学特性, 计算结果的精度常常难以满足定量分析的需要. 剑桥模型作为第一个全面反映压硬性、摩擦性和剪胀性的弹塑性本构模型, 实现了变形和强度的统一, 能较好地描述饱和正常固结黏土的应力应变关系, 被视为是现代土力学的开端; 统一硬化模型通过引入一个独特的硬化参数进一步发展了剑桥模型, 将适用范围扩大到超固结黏土. 作者认为, 未来岩土体本构模型研究的挑战是: 如何考虑岩土体在受力过程中土骨架相变与多场耦合, 以解决目前本构模型尚无法定量分析的能源、交通、环境和水利相关的重大岩土工程问题. 超重力物理模拟具有缩尺效应和缩时效应, 克服了常重力物理模拟中模型的应力水平低于原型的缺点, 特别适用于大尺度、长历时问题的模拟. 相较数值模拟, 超重力物理模拟的优势在于能够检验本构模型的合理性, 揭示本构模型无法描述的未知特性. 最后, 介绍了采用数值模拟和物理模拟联合分析大直径钢管桩水平受荷特性的工程案例.      

热喷干扰气体模型对飞行器气动特性影响分析

针对不同气体模型对高超声速飞行器喷流反作用控制系统(RCS)热喷干扰流场模拟的计算效率和准确性问题, 基于喷流燃气物理化学模型, 通过数值求解含化学反应源项的三维N-S方程, 建立了飞行器RCS热喷干扰流场数值模拟方法, 分别采用化学反应流、反应冻结流、二元异质流以及空气喷流四种气体模型开展了典型外形热喷干扰流场的数值模拟, 研究了不同气体模型对热喷干扰流场结构、飞行器气动力热特性的影响, 分析了不同马赫数、飞行高度下的变化规律. 研究表明: 化学反应流模型计算精度较高, 计算与风洞试验数据的吻合程度优于其他三种简化模型; 在本文的低空条件下, 采用简化模型进行热喷干扰流场数值模拟, 会低估分离区大小, 使飞行器气动力特性预测出现偏差, 同时也会低估表面热环境, 对防热系统设计不利, 随着马赫数增加, 简化模型对气动力热特性预估的误差进一步增大, 同时不同简化模型之间的差异也进一步增大; 飞行高度较高时, 模型之间的差异减小, 此时可采用简化模型进行计算以提高计算效率. 本文的研究结果可为飞行器热喷干扰流场数值模拟及喷流反作用控制系统设计提供参考.      

超高速碰撞产生等离子体的毁伤特性研究

以热力学为基础,结合化学反应速率方程,推导得出描述超高速碰撞产生的等离子体电子密度与系统内能关系的物理方程组. 应用自行编写的二维光滑粒子流体动力学(smoothed particle hydrodynamics, SPH) 程序求解了此方程组,在模拟超高速碰撞过程中计算产生的等离子体,实现对超高速碰撞产生等离子体的数值模拟.进行铝球超高速碰撞双层铝板的数值模拟研究,给出与实验对比的结果. 统计前后两次碰撞产生等离子体的电量,发现碰撞较薄的前板产生了较少的电荷而一次碎片云对较厚后板的碰撞产生了大量的电荷. 交换前后两板的位置. 进行相同速度碰撞的模拟,分析结果发现一次碎片云碰撞后板产生的等离子体电量远小于第一次的模拟结果,而前板碰撞产生的等离子体电量要高于第一次模拟结果,由此可见,超高速碰撞产生等离子体的总电量不仅与弹丸的质量和碰撞速度有关,与薄板的厚度也有很大的关系,通过一次碎片云与第二层板碰撞可以产生远高于弹丸碰撞单层板产生的电量,可以提高等离子体产生效率,增强对航天器的电磁毁伤.      

等离子体电化学法制备金、银纳米颗粒与碳量子点的研究进展及关键问题

通过高电压击穿气体可产生大量的自由电子和离子,形成对外大致呈电中性的气体放电等离子体,同时荷能粒子引发的各种过程会在等离子体中产生种类丰富的反应性物质.大气压低温等离子体具有非平衡特性,因此在低气体温度下可保持高反应活性.当大气压低温等离子体与溶液接触时,可形成等离子体电化学系统.在等离子体-液体界面存在电荷和物质转移,可引发一系列物理化学及电化学过程,从而使得等离子体电化学系统可广泛应用于多种领域,纳米材料合成即是其众多应用之一.当前,已有大量的研究利用等离子体电化学法合成纳米材料,也存在相关的综述文章,但缺乏聚焦于金、银纳米颗粒与碳量子点相关的综述,因此我们在此综述了近年来采用等离子体电化学方法制备金、银纳米颗粒与碳量子点的研究成果.首先介绍了等离子体电化学方法,接着考察了制备金、银纳米颗粒与碳量子点的实验结果及其应用的进展,最后讨论了当前研究中遇到的问题与挑战,并提出了解决方案.     

胶体微泵的耗散粒子动力学模拟

应用耗散粒子动力学方法研究了胶体微泵.每个胶体小球按照既定的运动规律相继运动,从而可驱动流体.首先利用耗散粒子动力学方法计算了泊肃叶流动,验证了模拟的正确性.然后模拟了由六个胶体小球组成的周期性胶体微泵的工作过程.胶体颗粒与周围流体粒子之间采用了弹性碰撞模型;模拟中选择了合适的参数,从而可提高流体的粘度并保证DPD流体的不可压缩性.模拟结果与他人的实验数据进行了对比,两者很好吻合.模拟结果显示,胶体微泵的无量纲流量的绝对值随着小球运动ω的变小而增大;而随着ω的减小,无量纲流量的振幅也相应变大.     

基于滑移速度壁模型的复杂边界湍流大涡模拟

采用滑移速度壁模型实现了浸入边界方法与壁模型相结合的大涡模拟.本文首先分别采用平衡层模型和非平衡壁模型对周期山状流进行数值模拟,以考查在壁模型中考虑切向压力梯度的作用.数值结果表明,流场的压力对本文所采用的壁模型形式并不敏感,但是考虑切向压力梯度可以显著改进壁面摩擦力的计算结果,并且能够准确的预测强压力梯度区以及分离区内的流动平均统计特性.不考虑压力梯度效应的平衡层模型显著低估了壁面摩擦力的分布,同时无法准确预测分离区内的平均速度剖面.非平衡模型的修正项正比于切向压力梯度和壁面法向距离,因此在强压力梯度区或者网格较粗时,计算得到的平均压力和摩擦力分布以及流动的低阶统计量均与参考的实验和计算结果吻合.在此基础上,通过回转体绕流的大涡模拟考查了该方法用于模拟高雷诺数壁湍流的适用性,非平衡壁模型可以准确地捕捉流动的物理结构并较准确地预测其水动力学特性.结果表明,将浸入边界方法与非平衡滑移速度壁模型相结合的大涡模拟,有望成为数值模拟复杂边界高雷诺数壁湍流的工具.