利用机器学习构建新型物理约束的大涡模拟模型

　　大涡模拟作为当前及未来主流的湍流模拟方法被广泛应用于航空、航天及海洋工程等国家战略科技领域，而大涡模拟模型和方法是大涡模拟研究的核心基础。传统的大涡模拟模型方法存在着诸多不足，例如既有的模型很难兼顾强数值稳定性以及高保真性，这样会导致湍流模拟的误差过大或者计算发散等问题。因此，探索新的建模思路一直是大涡模拟研究的热点与难点。

　　力学所LHD可压缩湍流课题组研究人员改变了既往的研究中只针对亚格子应力建模的固有研究模式，着眼于湍流级串理论中最核心的物理量--能流进行建模，利用多尺度梯度展开方法结合机器学习方法给出了可压缩壁湍流中高精度模化的能流，进而利用高精度能流模型对常见的涡粘模型进行物理约束，最终完成了新的湍流模化过程。新模型很好的结合了高鲁棒性和高保真性的特性并具有了一定的尺度自适应性。通过不同的标准化算例检验，新模型可以对可压缩壁湍流的关键物理量如能流（图1）、平均速度剖面（图2）等给出了精准预测。并可望进一步推广到更复杂得科学及工程问题的研究中。

　　 该研究工作的第一完成人是力学所的于长平副研究员，主要合作者包括力学所的李新亮研究员以及南方科技大学的王建春副教授和陈十一院士。该研究的相关内容发表于流体力学权威期刊Journal of Fluid Mechanics。

图1. 新模型预测的能流分布（b）与真实分布（a）以及其它常用模型（c）、（d）预测结果对比

图2. 不同规模网格下可压缩平板边界层流动平均速度剖面分布（a）密网格；（b）粗网格