一种基于数字孪生实验的数值水池复杂湍流动力学参数高保真度在线测试方法

本发明建立了一种基于数字孪生实验的数值水池复杂湍流动力学参数高保真度在线测试方法，解决了传统数值水池实验复杂湍流场在线测试保真度低、时效性差的问题。首先，建立多源数据采集系统对物理水池种类繁多的传感器监测数据进行实时采集与传输；其次，构造张量基神经网络建立通用、鲁棒的湍流模型；再次，构建多尺度残差卷积神经网络提取雷诺应力张量的各向异性分量及其在空间和时间维度的非线性演化特征，进而实现湍流模型与Navier‑Stokes方程的稳定耦合迭代；最终，通过有机融合监测数据、机理模型和机器学习的方法构造物理水池数字孪生体。该方法能够克服湍流模型与Navier‑Stokes方程耦合迭代失稳导致的数字孪生实验保真度低、时效性差的问题。