Lois de paroi basées sur l'apprentissage profond pour simulations aérodynamiques : Une nouvelle approche inspirée des lois des paroi classiques

Abstract

Une nouvelle approche des modèles de paroi basée sur l'apprentissage profond est proposée. Le modèle de paroi s'inspire des lois de paroi classiques qui reposent sur des quantités adimensionnelles de paroi, telles que la distance de paroi, la vitesse de paroi, la vitesse de frottement et le gradient de pression de paroi. La formulation du modèle et son implémentation dans un code CFD sont détaillées. Les résultats numériques sont présentés pour une couche limite de plaque plane à gradient de pression nul et un cas de bosse. Les réseaux neuronaux sont entraînés sur des ensembles de données RANS (modèle Spalart-Allmaras) provenant de ces configurations qui tiennent compte de différents niveaux de gradient de pression adverse et de nombres de Reynolds.Enfin, le modèle de paroi est appliqué et testé sur des simulations RANS avec des mailles sous-résolues au niveau de la paroi.