×
de Zordo Banliat，M。;X·梅尔。;G·德尔姆。;辛内拉，P。

不确定湍流模型下压气机叶栅流动的贝叶斯模型情景平均预测。 （英语） Zbl 1519.76072号

计算。流体 201，文章ID 104473，17 p.（2020）.
概述：雷诺平均Navier-Stokes（RANS）方程代表了工程设计的计算主力，尽管它们存在许多缺陷。鉴于复杂涡轮机械流动的分析和优化，改进和量化与RANS模型相关的不确定性尤为关键。在这项工作中，我们使用贝叶斯推理将数据同化到RANS模型中，目的如下：（i）更新一类涡轮机械流的模型闭合系数，即压缩机叶栅；（ii）量化与RANS模型闭合系数相关的参数不确定性，以及（iii）量化与模型结构相关的不确定性，并基于并发模型集合和校准场景选择校准数据集。根据NACA65 V103压气机叶栅的高保真大涡模拟数据，对三种广泛使用的RANS模型的系数进行了推断[J.勒格特等，涡轮2A博览会，文章ID V02AT37A050，13 p.（2016；doi:10.1115/GT2016-57972);J.勒格特，使用大涡模拟详细研究了在存在入射自由流扰动的情况下，轴流压气机叶栅在非设计条件下的损失预测。南安普敦：南安普顿大学（博士论文）（2018年）]。针对不同的校准场景，收集模型系数的后验概率分布，对应于入口处流动角的不同值。系数的最大后验估计值与标称值不同，并取决于情景。最近提出的贝叶斯混合方法，即贝叶斯模型情景平均法（BMSA）[W.N.Edeling公司等，《计算杂志》。物理学。275, 65–91 (2014;Zbl 1349.76106号); AIAAJ 56，第5期，2018–2029（2018；doi:10.2514/1.J056287)]，用于建立预测模型，该模型考虑到与替代模型形式相关的不确定性以及对校准场景的敏感性。对NACA65 V103叶栅周围轻度和重度非设计条件下的湍流进行了随机预测。结果表明，BMSA通常比基线RANS模型产生更准确的解，并成功地提供了预测不确定性区间的估计，前提是混合物中包含了足够多样的场景和模型。

引用于1文件

MSC公司：

76F60型 \湍流中的（k）-（varepsilon）模型

关键词：

压缩机流量;RANS模型;贝叶斯模型平均;不确定性量化

引文：

Zbl 1349.76106号

软件：

斯帕拉尔-奥尔马拉斯;Scikit公司;L-BFGS-B型;L-BFGS公司;LBFGS-B型;埃尔莎
PDF格式BibTeX公司 XML格式引用
\textit{M.de Zordo-Banliat}等人，计算。液体201，文章ID 104473，17 p.（2020；Zbl 1519.76072）
全文： 内政部 哈尔

参考文献：

[1] Leggett，J。；Priebe，S。；桑德伯格，R。；米歇拉西五世。；Shabbir，A.，《轴流压气机叶栅在非设计事故下损失产生的RANS和LES预测的详细研究》，2016年ASME涡轮博览会：涡轮机械技术会议和博览会（2016年），美国机械工程师学会数字收藏
[2] Leggett，J.，《利用大涡模拟对存在入射自由流扰动的非设计条件下轴流压气机叶栅损失预测的详细研究》。南安普顿大学博士论文（2018）
[3] Edeling，W。；Cinnella，P。；Dwight，R.，《通过贝叶斯模型场景平均进行预测RANS模拟》，《计算物理杂志》，275，65-91（2014）·Zbl 1349.76106号
[4] 埃德林，W。；Schmelzer，M。；德怀特，R.P。；Cinnella，P.，使用最大后验估计对雷诺平均Navier-Stokes不确定性的贝叶斯预测，AIAA J，56，5，2018-2029（2018）
[5] 桑德伯格，R。；Michelassi，V.，《主要气路涡轮机械部件及其工业影响的高保真模拟的现状》，Flow Turber Combust，102，2（2019）
[6] doi:10.1146/annurev-fluid-010518-040547·Zbl 1412.76040号
[7] Heng，X。；Cinnella，P.，rans模拟中模型不确定性的量化：综述，Prog Aerosp Sci，108，1-31（2019）
[8] 德克萨斯州达拉斯，论文2013-0259。
[9] E·帕里什。；Duraisamy，K.，《使用场反演和机器学习的数据驱动预测建模范式》，《计算物理杂志》，305758-774（2016）·Zbl 1349.76006号
[10] Ling，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）·Zbl 1383.76175号
[11] Weatheritt，J。；Sandberg，R.，一种应用于RANS应力-应变关系代数修改的新进化算法，J Comput Phys，325，22-37（2016）·Zbl 1375.76141号
[12] Pope，S.，《一个更普遍的有效粘度假说》，《流体力学杂志》，72，331-340（1975）·Zbl 0315.76024号
[13] Akolekar，H。；桑德伯格，R。；哈钦斯，N。；米歇拉西五世。；Laskowski，G.，《非定常流入条件下低压涡轮机的机械学习湍流关闭》，J Turbomach（2019）
[14] Schmelzer M.、Dwight R.P.、Cinnella P.。使用稀疏符号回归发现代数雷诺应力模型。《流量、湍流和燃烧》，2020年3月，第104卷，第2-3期，第579-603页。
[15] 张，S。；A.Oliver，T。；E.Prudencio，E。；Prudhomme，S。；D.Moser，R.，贝叶斯不确定性分析及其在湍流建模中的应用，Reliab Eng&Syst Saf，96，1137-1149（2011）
[16] Poroseva，S.V。；侯赛尼，M.Y。；Woodruff，S.L.，《利用证据理论提高湍流模型的预测能力》，AIAA J，44，6，1220-1228（2006）
[17] 梅耶，P。；Ye，M。；Rockhold，M.L。；Neuman，S.P。；Cantrell，K.J.，水文地质概念模型、参数和情景不确定性的联合估计，以及对汉福德300号场地铀运输的应用，Tech.Rep（2007），太平洋西北国家实验室（PNNL），华盛顿州里奇兰（美国）
[18] 段，Q。；新泽西州阿贾米。；高，X。；Sorooshian，S.，使用贝叶斯模型平均值进行多模型集合水文预测，Adv Water Resour，30，5，1371-1386（2007）
[19] 特巴迪，C。；Knutti，R.，《概率气候预测中多模型集合的使用》，Philos Trans R SocLond A:数学、物理和工程科学，365，1857，2053-2075（2007）
[20] 迪奥米德，T。；达沃利奥，S。；Marsigli，C。；米利埃塔，M。；Moscatello，A。；Papetti，P.，基于多模型降水预测的流量预测，《气象大气物理》，101，3-4，245-265（2008）
[21] 罗哈斯，R。；萨马利，K。；皮特斯，L。；O.巴特拉安。；费恩。，法律。；Dassargues，A.，《应用多模方法解释地下水建模中的概念模型和情景不确定性》，《水文杂志》（Amst），394，3-4，416-435（2010）
[22] Draper，D.，模型不确定性的评估和传播，J R Stat Soc，57，1，45-70（1995）·Zbl 0812.62001号
[23] Hoeting，J.A。；Madigan，D。；Raftery，A.E。；Volinsky，C.T.，《贝叶斯模型平均：教程》，StatSci，14，4，382-401（1999）·Zbl 1059.62525号
[24] Spalart，P.R。；Allmaras，S.R.，空气动力学流动的一方程湍流模型，《空间研究》，1，5-21（1994）
[25] Wilcox，D.C.，CFD湍流建模。（2006），加利福尼亚州拉加那市DCW Industries
[26] 朗德，B.E。；Sharma，B.，湍流能量耗散模型在旋转圆盘附近流动计算中的应用，Lett Heat Mass Transf，1，2，131-137（1974）
[27] Merle，X。；Cinnella，P.，《不确定热力学模型下稠密气体流动的稳健预测》，Reliab Eng Syst Saf，183，400-421（2019）
[28] Margheri，L。；梅尔迪，M。；Salvetti，M.V。；Sagaut，P.，《无模型系数中的认识论不确定性》，《计算机与流体》，102315-335（2014）·Zbl 1391.76189号
[29] Arnst，M。；加尼姆，R。；Soize，C.，混沌扩展系数的贝叶斯后验识别，计算物理杂志，229，9，3134-3154（2010）·Zbl 1184.62034号
[30] 黑斯廷斯，W.K.，使用马尔可夫链的蒙特卡罗抽样方法及其应用，《生物统计学》，57，1，97-109（1970）·Zbl 0219.65008号
[31] Geweke，J.，评估基于抽样方法计算后验矩的准确性，196（1991），明尼阿波利斯联邦储备银行，明尼苏达州明尼阿波里研究部
[32] Edeling，W。；Cinnella，P。；德怀特，R.P。；Bijl，H.，k-ε湍流模型参数变异性的贝叶斯估计，《计算物理杂志》，258，73-94（2014）·Zbl 1349.76110号
[33] 雷波尔德，R。；博伊斯，M。；Fottner，L.，《精密锻造引起的技术表面粗糙度对高负荷压气机叶栅周围流动的影响》，J Turbomach，122，3，416-424（2000）
[34] 希尔根菲尔德，L。；Pfitzner，M.，高负荷线性压气机叶栅上尾迹通过效应导致的非定常边界层发展，J Turbomach，126,4493-500（2004）
[35] 扎基，T.A。；Wissink，J。；罗迪，W。；Durbin，P.A.，《压气机叶栅过渡的直接数值模拟：自由流湍流的影响》，《流体力学杂志》，665，57-98（2010）·Zbl 1225.76147号
[36] 帕帕迪米特里奥，D.I。；Papadimitriou，C.，《cfd中湍流模型参数估算的最佳传感器布置》，《国际J不确定量化》，5，6（2015）·Zbl 1498.90129号
[37] 蒙斯，V。；Chassaing，J。；Sagaut，P.，《通过旋转摆动圆柱的非定常流动的变分数据同化的最佳传感器布置》，《流体力学杂志》，823，230-277（2017）·Zbl 1374.76186号
[38] 教皇S.B.湍流。2001. ·Zbl 0966.76002号
[39] 塔沃拉里斯，S。；Karnik，U.，关于均匀剪切湍流中湍流应力和尺度演变的进一步实验，流体力学杂志，204457-478（1989）
[40] 坎比尔，L。；Heib，S。；Plot，S.，The onera elsa cfd软件：研究输入和行业反馈，Mech Ind，14，3，159-174（2013）
[41] 佩德雷戈萨，F。；瓦罗佐，G。；Gramfort，A。；米歇尔，V。；蒂里昂，B。；Grisel，O.，Scikit-learn:机器学习在蟒蛇中的应用，《机器学习研究杂志》，第12期，第2825-2830页（2011年）·Zbl 1280.68189号
[42] 朱，C。；伯德·R。；卢，P。；Nocedal，J.，算法778:L-bfgs-b:大规模有界约束优化的fortran子程序，ACM数学软件交易（TOMS），23，4，550-560（1997）·Zbl 0912.65057号
[43] 网址：http://www.scipy.org/
[44] 约瑟夫·V·R。；居尔，E。；Ba，S.，计算机实验的最大投影设计，Biometrika，102，2，371-380（2015）·Zbl 1452.62593号
[45] Loeppky，J。；袜子，J。；Welch，N.，选择计算机实验的样本量。实用指南，《技术计量学》，4366-378（2009）
[46] 麦凯，D.J.C.，贝叶斯插值，神经计算，4，3，415-447（1992）
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。