密集神经网络在基于流形的火焰-壁交互建模中的应用
摘要：用人工神经网络（ANNs）可以学习任意输入数据和相应输出之间的任何关联，这也可以用于在燃烧领域中表示低维化学流形。本文提出了一种使用ANN化学流形模拟经过侧壁淬灭的预混合甲烷-空气火焰的方法。在研究的情况下，火焰特性由两个经典问题决定：在核心流中的绝热火焰传播和受热焰-壁相互作用主导的焓损失。类似于熄灭燃烧金红石产生流形（QFM）的制表，神经网络在一维正面熄灭火焰数据库上进行训练，学习内在的化学流形。ANN的控制参数（即输入）通过稀疏主成分分析（PCA）从热化学状态变量中确定，而不使用关于火焰物理的先验知识。这些输入量随后在耦合的CFD求解器中传输，并在仿真运行时用于访问流形。化学源项在流形边界处进行修正，以确保热化学状态始终有界。最后，通过将ANN模型与具有详细化学反应和基于火焰图的流形（QFM）的二维侧壁淬灭（SWQ）配置的仿真结果进行比较来评估该模型。
作者：Julian Bissantz, Jeremy Karpowski, Matthias Steinhausen, Yujuan Luo, Federica Ferraro, Arne Scholtissek, Christian Hasse, Luc Vervisch
论文ID：2308.05775
分类：Fluid Dynamics
分类简称：physics.flu-dyn
提交时间：2023-08-14