×
穆罕默德·阿塔伊；马库斯·巴斯曼；瓦希德·沙耶根；佛朗哥·科斯塔；韩世进；Chul B.公园。

NPLIC：一种用于分段线性接口构造的机器学习方法。 （英语） Zbl 1521.76739号

计算。流体 223，文章ID 104950，第7页（2021）.
摘要：流体体积（VOF）方法在数值模拟中被广泛用于跟踪流体界面，许多VOF算法要求对界面进行几何重建。为此，最常用的是分段线性接口构造（PLIC）技术，由于几何复杂性，该技术可能速度慢且难以实现。在这里，我们提出了一种基于神经网络的替代方法，称为NPLIC，用于执行PLIC计算。该模型是在正方形、立方体、三角形和四面体网格的PLIC解的大型合成数据集上训练的。我们表明，这种数据驱动的方法以通常计算成本的一小部分实现了精确计算，并且单个神经网络系统可以用于不同网格类型的界面重建。

引用于5文件

MSC公司：

76米99 流体力学基本方法

关键词：

机器学习；神经网络；物价指数；分段线性界面构造；流体体积；VOF（挥发性有机物）；计算流体动力学

软件：

水蝇；LB泡沫；亚当；VOF工具；涟漪；PyTorch公司
PDF格式BibTeX公司 XML格式引用
\textit{M.Ataei}等人，《计算》。液体223，文章ID 104950，7 p.（2021；Zbl 1521.76739）
全文： 内政部 arXiv公司

参考文献：

[1] Aulisa，E。；Manservisi，S。；斯卡多维利，R。；Zaleski，S.，《一种几何面积保护流体平流体积的方法》，《计算物理杂志》，192，1，355-364（2003）·Zbl 1032.76632号
[2] Gueyffer，D。；Li，J.等人。；纳迪姆，A。；斯卡多维利，R。；Zaleski，S.，用光滑表面应力方法追踪三维流动的流体体积界面，《计算物理杂志》，152,2423-456（1999）·Zbl 0954.76063号
[3] Agbaglah，G。；德劳，S。；保险丝，D。；霍普夫纳，J。；Josserand，C。；Popinet，S.，《使用八叉树自适应性和流体体积法的多相流并行模拟》，Comptes-Rendus Mcanique，339，2，194-207（2011）·Zbl 1217.76044号
[4] 黄，M。；Wu，L。；Chen，B.，基于非结构化网格的分段线性界面捕获流体体积方法，《数值传热》第B部分，61，5，412-437（2012）
[5] Welch，S.W。；Wilson，J.，《基于流体体积的相变流体流动方法》，《计算物理杂志》，160，2，662-682（2000）·Zbl 0962.76068号
[6] Kleefsman，K。；费肯，G。；Veldman，A。；伊瓦诺夫斯基，B。；Buchner，B.，《基于流体体积的波浪冲击问题模拟方法》，《计算物理杂志》，206，1，363-393（2005）·Zbl 1087.76539号
[7] Renardy，M。；雷纳迪，Y。；Li，J.，用流体体积法对移动接触线问题进行数值模拟，计算物理杂志，171，1，243-263（2001）·Zbl 1044.76051号
[8] 斯卡多维利，R。；Zaleski，S.，自由表面和界面流动的直接数值模拟，《流体力学年鉴》，31，1，567-603（1999）
[9] Ataei，M。；沙耶根，V。；Costa，F。；韩，S。；帕克，C.B。；Bussmann，M.，LBfoam：使用格子Boltzmann方法模拟泡沫的开放源码软件包，Compute Phys Commun，259，107698（2021）·Zbl 1520.76059号
[10] Youngs，D.L.，具有大流体畸变的时间相关多材料流动，Numer Methods fluid Dyn，273-486（1982）·Zbl 0537.76071号
[11] 斯科里什，M。；Garmory，A。；Dianat，M.，作为流体解算器耦合水平集体积的一部分，一般凸网格中PLIC的迭代界面重建方法，J Comput Phys，368254-276（2018）·Zbl 1392.76053号
[12] Rider，W.J。；Kothe，D.B.，重建体积跟踪，《计算物理杂志》，141，2，112-152（1998）·兹伯利0933.76069
[13] 斯卡多维利，R。；Zaleski，S.，矩形网格中连接线性界面和体积分数的分析关系，计算物理杂志，164，1，228-237（2000）·Zbl 0993.76067号
[14] Yang，X.先生。；James，A.J.，在三角形和四面体网格中重建分段线性界面的解析关系，计算物理杂志，214，1，41-54（2006）·Zbl 1137.76456号
[15] Oishi，A。；Yagawa，G.，通过深度学习增强计算力学，计算方法应用机械工程，327327-351（2017）·Zbl 1439.74458号
[16] 郭，X。；李伟（Li，W.）。；Iorio，F.，用于稳定流近似的卷积神经网络，第22届ACM SIGKDD知识发现和数据挖掘国际会议论文集，481-490（2016）
[17] 佩尼亚，F.L。；卡萨斯，V.D。；戈塞特，A。；Duro，R.，基于人工神经网络增强低保真计算流体动力学近似的替代方法，计算流体，58，112-119（2012）
[18] 瑞士R。；Mainini，L。；佩赫斯托弗，B。；Willcox，K.，《基于投影的模型简化：基于物理的机器学习公式》，计算流体，179，704-717（2019）·Zbl 1411.65061号
[19] Hirschen，K。；Schäfer，M.，优化流体流动过程的贝叶斯正则化神经网络，计算方法应用机械工程，195，7，481-500（2006）·Zbl 1090.76021号
[20] 基萨斯，G。；杨，Y。；Hwuang，E。；Witschey，W.R。；Detre，J.A。；Perdikaris，P.，《心血管血流建模中的机器学习：使用物理信息神经网络从无创4D流MRI数据预测动脉血压》，《计算方法应用机械工程》，358112623（2020）·Zbl 1441.76149号
[21] 刘，Y。；卢，Y。；王，Y。；Sun，D。；邓，L。；Wang，F.，基于CNN的流动可视化冲击检测方法，计算流体，184，1-9（2019）·Zbl 1411.76125号
[22] 齐，Y。；卢，J。；斯卡多维利，R。；Zaleski，S。；Tryggvason，G.，《使用机器学习计算流体体积法的曲率》，《计算物理杂志》，377155-161（2019）
[23] 帕特尔，H。；熊猫，A。；Kuipers，J。；Peters，E.，从体积分数计算界面曲率：机器学习方法，计算流体，193104263（2019）·Zbl 1458.76081号
[24] 凌，J。；Kurzawski，A。；Templeton，J.，使用嵌入不变性的深度神经网络进行雷诺平均湍流建模，《流体力学杂志》，807155-166（2016）·兹比尔1383.76175
[25] Sarghini，F。；德菲利斯，G。；Santini，S.，大涡模拟中基于神经网络的亚网格尺度建模，Comput Fluids，32，1，97-108（2003）·Zbl 1009.76512号
[26] Zhou，Z。；He，G。；王，S。；Jin，G.，使用人工神经网络模拟各向同性湍流的大涡的子网格尺度模型，Comput Fluids，195104319（2019）·兹比尔1466.76026
[27] 波佩斯库，M.-C。；巴拉斯，V.E。；Perescu-Popescu，L。；Mastorakis，N.，多层感知器和神经网络，WSEAS跨电路系统，8，7，579-588（2009）
[28] 科特，D.B。；Mjolsness，R.C.，RIPPLE:自由表面不可压缩流的新模型，AIAA J，30，11，2694-2700（1992）·Zbl 0762.76074号
[29] Kromer J.，Bothe D.，基于面的流体体积界面在任意多面体中的定位。2021
[30] Maric T.。用连续三次样条插值在一般多面体中迭代流体界面体积定位。2020
[31] Paszke，A。；毛重，S。；马萨，F。；Lerer，A。；布拉德伯里，J。；Chanan，G.，Pytorch:一种命令式、高性能的深度学习库，《神经信息处理系统的进展》，32，8026-8037（2019），Curran Associates，Inc。
[32] Hanin，B.，用有界宽度的深度神经网络和ReLU激活进行通用函数逼近，数学，7，10，992（2019）
[33] Kingma D.P.，Ba J..Adam：一种随机优化方法。arXiv:1412.69802014年。
[34] Kawano，A.，三维两相流的简单流体体积重建方法，计算流体，134-135130-145（2016）·Zbl 1390.76583号
[35] López，J。；埃尔南德斯，J。；Gómez，P。；Faura，F.，VOFTools:使用普通凸网格的流体体积方法的计算工具软件包，计算物理通讯，22345-54（2018）·Zbl 07693323号
[36] Popinet，S.，《表面张力驱动界面流的精确自适应解算器》，《计算物理杂志》，228，16，5838-5866（2009）·Zbl 1280.76020号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。