检索结果-南通市图书馆

Deconvolutional artificial-neural-network framework for subfilter-scale models of compressible turbulence

在线全文

学校读者我要写书评

暂无评论

Acta Mechanica Sinica 2021年第12期37卷 1773-1785页

作者： Zelong Yuan Yunpeng Wang chenyue xie Jianchun Wang Guangdong Provincial Key Laboratory of Foundemental Turbulence Research and Applications Center for Complex Flows and Soft Matter ResearchDepartment of Mechanics and Aerospace EngineeringSouthern University of Science and TechnologyShenzhen 518055China Guangdong-Hong Kong-Macao Joint Laboratory for Data-Driven Fluid Mechanics and Engineering Applications Southern University of Science and TechnologyShenzhen 518055China

We establish a deconvolutional artificial-neural-network(D-ANN)approach in large-eddy simulation(LES)of compressible turbulent *** variables in the neighboring locations are taken as the inputs of D-ANN to recover original(unfiltered)variables,including density,momentum and *** scale-similarity form is adopted to reconstruct subfilter-scale(SFS)*** proposed D-ANN models can give better a priori predictions of the sub-filter stress and heat flux than the classical approximate-deconvolution method(ADM)and the velocity-gradient model(VGM).The predicted SFS terms with the D-ANN models have correlation coefficients larger than 98.4%and relative errors smaller than 18%.In the a posteriori analysis,the D-ANN model compares against the implicit LES(ILES),the dynamic-Smagorinsky model(DSM),and the dynamic-mixed model(DMM).The D-ANN model predicts better than these classical models for velocity spectra,statistical properties of SFS kinetic energy flux and velocity *** turbulence statistics and transient velocity divergence are also accurately *** type of explicit filter and the impact of compressibility do not significantly affect a posteriori accuracy of the D-ANN *** showthat the proposed D-ANN approach has a great potential in developing highly accurate SFS models for large-eddy simulation of complex compressible turbulent flow.

关键词： Subfilter-scale model Large-eddy simulation Artificial neural network Machine learning Compressible turbulence

Dynamic nonlinear algebraic models with scale-similarity dynamic procedure for large-eddy simulation of turbulence

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Advances in Aerodynamics 2022年第1期4卷 304-326页

作者： Zelong Yuan Yunpeng Wang chenyue xie Jianchun Wang Department of Mechanics and Aerospace Engineering Southern University of Science and TechnologyShenzhen518055China Southern Marine Science and Engineering Guangdong Laboratory(Guangzhou) Guangzhou511458China Guangdong-Hong Kong-Macao Joint Laboratory for Data-Driven Fluid Mechanics and Engineering Applications Southern University of Science and TechnologyShenzhen518055China Department of Ocean Science The Hong Kong University of Science and TechnologyHong Kong999077China

A dynamic nonlinear algebraic model with scale-similarity dynamic procedure(DNAM-SSD)is proposed for subgrid-scale(SGS)stress in large-eddy simulation of *** model coefficients of the DNAM-SSD model are adaptively calculated through the scale-similarity relation,which greatly simplifies the conventional Germano-identity based dynamic procedure(GID).The a priori study shows that the DNAM-SSD model predicts the SGS stress considerably better than the conventional velocity gradient model(VGM),dynamic Smagorinsky model(DSM),dynamic mixed model(DMM)and DNAM-GID model at a variety of filter widths ranging from inertial to viscous *** correlation coefficients of the SGS stress predicted by the DNAM-SSD model can be larger than 95%with the relative errors lower than 30%.In the a posteriori testings of LES,the DNAM-SSD model outperforms the implicit LES(ILES),DSM,DMM and DNAM-GID models without increasing computational costs,which only takes up half the time of the DNAM-GID *** DNAM-SSD model accurately predicts plenty of turbulent statistics and instantaneous spatial structures in reasonable agreement with the filtered DNS *** results indicate that the current DNAM-SSD model is attractive for the development of highly accurate SGS models for LES of turbulence.

关键词： Subgrid-scale model Nonlinear algebraic model Large-eddy simulation Incompressible turbulence

Spatial artificial neural network model for subgrid-scale stress and heat flux of compressible turbulence

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Theoretical & Applied Mechanics Letters 2020年第1期10卷 27-32页

作者： chenyue xie Jianchun Wang Hui Li Minping Wan Shiyi Chen Shenzhen Key Laboratory of Complex Aerospace Flows Center for Complex Flows and Soft Matter ResearchDepartment of Mechanics and Aerospace EngineeringSouthern University of Science and TechnologyShenzhen 518055China School of Power and Mechanical Engineering Wuhan UniversityWuhan 430072China State Key Laboratory of Turbulence and Complex Systems Peking UniversityBeijing 100871China

The subgrid-scale(SGS)stress and SGS heat flux are modeled by using an artificial neural network(ANN)for large eddy simulation(LES)of compressible *** input features of ANN model are based on the first-order and second-order derivatives of filtered velocity and temperature at different spatial *** proposed spatial artificial neural network(SANN)model gives much larger correlation coefficients and much smaller relative errors than the gradient model in an a priori *** an a posteriori analysis,the SANN model performs better than the dynamic mixed model(DMM)in the prediction of spectra and statistical properties of velocity and temperature,and the instantaneous flow structures.

关键词： Compressible turbulence Large eddy simulation Artificial neural network

在线全文

学校读者我要写书评

暂无评论

基于人工神经网络的可压缩湍流大涡模拟模型

航空学报 2021年第9期42卷 145-160页

作者：谢晨月王建春万敏平陈十一南方科技大学工学院力学与航空航天工程系深圳518055 南方科技大学粤港澳数据驱动下的流体力学与工程应用联合实验室深圳518055

在国家数值风洞(NNW)工程项目的指导下,空间人工神经网络(SANN)模型被用于强可压缩湍流大涡模拟(LES)研究,其中流场的湍流马赫数分别为0.6、0.8、1.0。基于湍流的多尺度空间结构特性和人工神经网络方法发展的高精度空间神经网络(SANN)... 详细信息

在国家数值风洞(NNW)工程项目的指导下,空间人工神经网络(SANN)模型被用于强可压缩湍流大涡模拟(LES)研究,其中流场的湍流马赫数分别为0.6、0.8、1.0。基于湍流的多尺度空间结构特性和人工神经网络方法发展的高精度空间神经网络(SANN)模型适用于不可压缩湍流和弱可压缩湍流。对于强可压缩湍流,流场中会出现激波结构,给大涡模拟带来了挑战。本文的研究结果表明:SANN模型适用于强可压缩湍流的大涡模拟。在先验分析中,SANN模型预测的亚格子应力和亚格子热流的相关系数超过0.995,远远高于梯度模型和近似反卷积模型等传统模型;传统模型的相对误差大于30%,而SANN模型在这方面有很大的改进,相对误差低于11%。在后验分析中,与隐式大涡模拟(ILES)、动态Smagorinsky模型(DSM)、动态混合模型(DMM)相比,SANN模型能更精确地预测能谱、各类湍流统计特性以及瞬态流动结构。因此,基于湍流多尺度空间结构特性的人工神经网络模型加深了人们对强可压缩湍流亚格子建模的认识,同时可以服务于NNW工程的流体力学模型构造。

关键词：可压缩湍流大涡模拟人工神经网络湍流模型国家数值风洞(NNW)工程

在线全文

学校读者我要写书评

暂无评论

基于人工神经网络的湍流大涡模拟方法

力学学报 2021年第1期53卷 1-16页

作者：谢晨月袁泽龙王建春万敏平陈十一南方科技大学力学与航空航天工程系深圳518055

大涡模拟方法(LES)是研究复杂湍流问题的重要工具,在航空航天、湍流燃烧、气动声学、大气边界层等众多工程领域中具有广泛的应用前景.大涡模拟方法采用粗网格计算大尺度上的湍流结构,并用亚格子(SGS)模型近似表达滤波尺度以下的流动结... 详细信息

大涡模拟方法(LES)是研究复杂湍流问题的重要工具,在航空航天、湍流燃烧、气动声学、大气边界层等众多工程领域中具有广泛的应用前景.大涡模拟方法采用粗网格计算大尺度上的湍流结构,并用亚格子(SGS)模型近似表达滤波尺度以下的流动结构对大尺度流场的作用.传统的亚格子模型由于只利用了单点流场信息和简单的函数关系,在先验验证中相对误差较大,在后验验证中耗散过强.近几年来,机器学习方法在湍流建模问题中得到了越来越多的应用.本文介绍了基于人工神经网络(ANN)的湍流亚格子模型的最新进展.详细地讨论了人工神经网络混合模型、空间人工神经网络模型和反卷积人工神经网络模型的构造方法.借助于人工神经网络强大的数据插值能力,新的亚格子模型的先验精度和后验精度均有显著提升.在先验验证中,新模型所预测的亚格子应力的相关系数超过了0.99,在预测精度上远高于传统的大涡模拟模型.在后验验证中,新模型对各类湍流统计量和瞬态流动结构的预测都优于隐式大涡模拟方法、动态Smagorinsky模型、动态混合模型等传统模型.因此,人工神经网络方法在发展复杂湍流的先进大涡模拟模型中具有很大的潜力.

关键词：湍流大涡模拟亚格子模型人工神经网络机器学习

Proteus与Keil在单片机开放性实验中的应用

在线全文

学校读者我要写书评

暂无评论

电子测量技术 2008年第6期31卷 100-103,107页

作者：伍冯洁谢陈跃谢斌广州大学实验中心广州510006 成都理工大学工程技术学院乐山614007

本文针对单片机开放性实验存在的不足,提出了在实践环节引入EDA技术的新方法。利用Proteus在软件环境对单片机系统进行建模,采用Keil完成对系统软件的编制与调试,通过Proteus与Keil对搭建的虚拟系统进行联合仿真,实现了脱离实物电路的... 详细信息

本文针对单片机开放性实验存在的不足,提出了在实践环节引入EDA技术的新方法。利用Proteus在软件环境对单片机系统进行建模,采用Keil完成对系统软件的编制与调试,通过Proteus与Keil对搭建的虚拟系统进行联合仿真,实现了脱离实物电路的软硬件仿真与调试,较大降低了设计难度与开发成本。具体阐述了开放性实验新方案的开展与组织形式,并以一个具体的设计实例说明其设计流程。

关键词：单片机开放性 Proteus Keil 虚拟仿真

在线全文

学校读者我要写书评

暂无评论

创建校内电类生产实习基地的探索与实践

中国教育技术装备 2015年第4期 125-127页

作者：谢斌盛谢陈跃龙晓莉陈新兵广州大学实验中心

生产实习是高校培养专业技术人才的一个重要环节。针对目前电类专业学生生产实习遇到的困境,广州大学电工电子实验中心作出初步探索:建立校内电类生产实习基地,并应用于学校的生产实习教学改革。本着以工程师为培养目标,采取以校内生产... 详细信息

生产实习是高校培养专业技术人才的一个重要环节。针对目前电类专业学生生产实习遇到的困境,广州大学电工电子实验中心作出初步探索:建立校内电类生产实习基地,并应用于学校的生产实习教学改革。本着以工程师为培养目标,采取以校内生产实习为主、校外参观为辅的校内外结合的方式,在实践中收到良好的效果。

关键词：生产实习校内基地电类专业工程师能力培养

地方院校省级电工电子实验教学示范中心建设探索

在线全文

学校读者我要写书评

暂无评论

中国现代教育装备 2014年第19期 26-28,38页

作者：陈新兵龙晓莉谢斌盛谢陈跃舒怀林广州大学实验中心广东广州510006

为了加强示范中心特色建设,从校级电工电子公共实践平台建设入手,介绍了跨学科实践教学平台体系的创建过程,以创新人才培养为中心,通过"平台+模块"方式整合全校电类实验课程,依据CDIO理念改革电工电子实习平台,创建跨学科课外创新平台。

关键词：实践教学平台+模块跨学科 CDIO

在线全文

学校读者我要写书评

暂无评论

Fe改性多级孔ZSM-5催化合成二苯甲烷

精细石油化工 2024年第3期41卷 9-12页

作者：谢辉英黄晨悦杨淄堯温俊程王豪许俊强福建省清洁能源协同创新中心泉州职业技术大学福建晋江362269

以碱处理铁改性的Fe-多级孔ZSM-5分子筛为催化剂,在小型烷基化反应装置上进行苯和氯化苄烷基化合成二苯甲烷的研究。考察烷基化的反应时间、反应温度、苯氯化苄摩尔比和催化剂用量对合成二苯甲烷的转化率及产率的影响。实验结果表明:在... 详细信息

以碱处理铁改性的Fe-多级孔ZSM-5分子筛为催化剂,在小型烷基化反应装置上进行苯和氯化苄烷基化合成二苯甲烷的研究。考察烷基化的反应时间、反应温度、苯氯化苄摩尔比和催化剂用量对合成二苯甲烷的转化率及产率的影响。实验结果表明:在反应温度85℃,反应时间28 min,苯氯化苄摩尔比6∶1,催化剂用量为氯化苄质量的2%的条件下,氯化苄的转化率可达95.20%,二苯甲烷选择性可达85.23%。

关键词：多级孔ZSM-5 催化剂二苯甲烷