面向內(nèi)流的激波/邊界層湍流模型數(shù)據(jù)同化及應用

摘要： 為研究壓縮拐角激波/邊界層干擾問題和機器學習方法在湍流模型參數(shù)辨識中的有效性，提出一種面向內(nèi)流的激波/邊界層湍流模型數(shù)據(jù)同化方法，以Kriging代理模型傳播參數(shù)不確定量化過程，基于貝葉斯框架構(gòu)建似然函數(shù)作為評判標準，最后利用粒子群優(yōu)化算法近似獲取參數(shù)的最大似然估計并進行參數(shù)驗證。結(jié)果表明，通過校準大角度（24°）壓縮拐角獲取的湍流模型參數(shù)，可以應用到相同條件下相對較小的小角度...