OpenFOAM+机器学习,要火到什么程度?

之前看机器学习+CFD的文章都是不明不白的。因为做CFD的大部分就是做CFD的,做机器学习的只做机器学习。两者都搞清楚,需要二者都了解。

这几天看到一个论文挺有意思,至少讲的比较清楚。

作者们将OpenFOAM和Tensorflow捆绑起来,求解一些简单的湍流模型。并且结果非常好。

OpenFOAM,是目前世界上最大的开源CFD软件。Tensorflow,Google出品,在机器学习领域绝对一流。

OpenFOAM+Tensorflow,这简直不火都不行啊。

我们先看一下研究结果:


比如上图中,顶上那个是机器学习预测出来的湍流粘度。下面是CFD算出来的湍流粘度。看起来非常屌。

下面是数据图,看起来都是非常吻合:

核心是,我从这篇文章中了解到了一些细节的东西。

目前文章中的工作,主要是对湍流粘度进行的研究。因此,文中首先通过CFD进行大量的数据计算,然后feed到机器学习中进行训练,就可以通过机器学习来预测湍流粘度。

在通过机器学习获得湍流粘度之后,CFD这面求解就会减少若干湍流模型PDE的求解。

剩下的通过OpenFOAM求解压力速度耦合就行了。

要注意:这篇文章中是OpenFOAM + Tensorflow,而不是把OpenFOAM扔了直接上TensorFlow,CFD目测还是需要占据60%的。因为他们只是对湍流粘度进行了研究。

同样,留下来的问题就是整体来讲,CFD+机器学习是否会减少计算时间?因为虽然减少了若干湍流模型PDE的求解,但是机器学习训练还需要一段时间。

作者们这样rebuttal的:
整体上,针对不同的数据这种加速不好预测。但我们可以肯定,在去掉湍流模型PDE之后,我们的速度压力耦合求解可以调用更大的松弛因子。
举例,我们采用SpalartAllmaras模型计算湍流粘度的时候,大约需要3600个迭代步才能收敛。
但我们采用机器学习训练后的湍流粘度,只需要600多步就收敛了!松弛因子可以调用到0.9!

后来,我就有点春春欲动了!

欧天呐,亲爱的克鲁斯!这看起来是一个非常好的路子!!

对于那些外形基本固定,只需要微调的工业设备,先不谈工业化,从科研的角度来讲,貌似是一个非常火的点子。

添加微信免费咨询更多建议
微信号:landuiyun001

未经允许不得转载:云技术 » OpenFOAM+机器学习,要火到什么程度?

赞 (0)