거친 RANS 시뮬레이션에서 희소 속도 기준 데이터를 위한 변량 데이터 동화 접근법과 수정 강제 항

레이놀즈 평균 나비에-스토크스(RANS) 방정식은 엔지니어링 응용 분야에서 유체 흐름 문제를 해결하기 위한 계산 효율적인 방법을 제공합니다. 그러나 난류 효과를 나타내기 위해 클로저 모델을 사용하는 것은 정확성을 감소시킬 수 있습니다. 이 문제를 해결하기 위해 최근 연구에서는 데이터 동화 및 머신러닝과 같은 데이터 기반 기법을 탐구해왔습니다. 정적 에디 점성 기반 RANS 시뮬레이션을 향상시키기 위한 효율적인 변량 데이터 동화(DA) 접근법이 제시됩니다. 모델의 결함을 고려하기 위해 운동량 방정식에 수정 강제 항이 도입됩니다. 속도 기준 데이터만 있는 경우 이 항은 잠재적 필드로 표현될 수 있으며 발산이 없습니다. DA 구현은 이산 쌍대 방법과 효율적인 그래디언트 평가를 위한 근사를 기반으로 합니다. 구현은 OpenFOAM에서 2차원 결합 RANS 솔버를 기반으로 하며, 쌍대 속도 및 압력과 쌍대 그래디언트를 계산할 수 있도록 확장됩니다. 그래디언트 기반 최적화 기법을 사용하여 시뮬레이션 결과와 기준 데이터 간의 차이를 최소화합니다. 이 접근법을 평가하기 위해 정형 정지 2차원 난류 흐름 문제에 대한 대체 데이터 동화 방법과 비교됩니다. 데이터 동화를 위해 평균 고충실도 시뮬레이션 결과에서 희소하게 분포된 기준 데이터가 사용됩니다. 결과는 제안된 방법이 에디 점성을 얻기 위해 데이터 동화를 적용하거나 에디 점성을 직접 수정하는 필드보다 더 효율적으로 최적화 목표를 달성함을 시사합니다. 이 방법은 다양한 기준 데이터 구성에서 잘 작동하며 거친 메쉬를 활용하여 효율적으로 실행됩니다.