[发明专利]一种基于神经网络模型的湍流燃烧大涡模拟方法

权利要求书

1.一种基于神经网络模型的湍流燃烧大涡模拟方法，其特征在于，包括以下步骤：

S1：根据需要计算的湍流燃烧问题，截取燃烧器入口所在的二维平面建立简化的二维模型并划分满足DNS要求的细密网格，网格尺寸为5～100μm，结合化学反应机理开展湍流燃烧场的二维DNS模拟；

S2：每隔一定的计算步数，存储二维DNS模拟各网格点的组分质量分数、温度以及组分质量分数源项、温度源项数据，形成数据快照，直到计算终止，共保存n个数据快照；

S3：采用m个盒式滤波器对步骤S2得到的数据快照进行过滤，得到包含m*n个滤波后的数据快照的总数据集，随机选取总数据集中的50～90％组成神经网络的训练数据集，剩余部分作为测试数据集；

S4：忽略在总数据集中质量分数小于0.0001的微量组分，选取剩余共计k种组分的质量分数和温度数据训练神经网络；神经网络的输入为训练数据集中每个数据点滤波后的k种组分质量分数、滤波后的温度、滤波后的混合分数亚格子方差和滤波后的进度变量亚格子方差，输出为该数据点滤波后的k种组分质量分数源项和滤波后的温度源项；

S5：训练完成后，利用测试数据集检验神经网络对滤波后的k种组分质量分数源项和滤波后的温度源项的预测精度；

S6：将训练好的神经网络模型与CFD程序耦合，开展实际湍流燃烧场的三维大涡模拟计算；模拟时无需输运化学反应机理中的全部组分，仅需要输运质量分数大于0.9999的k种组分；在求解k种组分质量分数输运方程和温度方程时，滤波后的k种组分质量分数源项和滤波后的温度源项直接通过神经网络进行计算。

2.根据权利要求1所述的一种基于神经网络模型的湍流燃烧大涡模拟方法，其特征在于，所述步骤S3中，滤波器的滤波尺度分别为DNS网格尺度的2倍、3倍……(m+1)倍，对滤波尺度内DNS网格点的组分质量分数、温度以及组分质量分数源项、温度源项求平均值即为滤波后的数据值，对滤波尺度内DNS网格点的混合分数和进度变量求方差即为滤波后的混合分数亚格子方差和滤波后的进度变量亚格子方差。

3.根据权利要求1或2所述的一种基于神经网络模型的湍流燃烧大涡模拟方法，其特征在于，所述步骤S4中的神经网络模型为全连接神经网络模型，包括输入层、输出层和若干层隐藏层。

4.根据权利要求1或2所述的一种基于神经网络模型的湍流燃烧大涡模拟方法，其特征在于，步骤S6的具体过程为：将步骤S5得到的神经网络模型转换为可执行程序代码，替换CFD程序中计算组分质量分数源项和温度源项的相关代码，对替换后的CFD程序代码重新编译，生成耦合神经网络模型的CFD可执行程序。

5.根据权利要求1-4之一所述的一种基于神经网络模型的湍流燃烧大涡模拟方法，其特征在于，步骤S2中的步数为50～500步。