О ПРИМЕНЕНИИ СРЕДСТВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПОДДЕРЖАНИЯ КАЧЕСТВА ПРОСТРАНСТВЕННОЙ СЕТКИ ПРИ РЕШЕНИИ ЗАДАЧ ГАЗОВОЙ ДИНАМИКИ

А. В. Бабанов, А. В. Воеводин, А. Н. Щербаков
Вопросы атомной науки и техники. Сер. Математическое моделирование физических процессов 2022. Вып.2. С. 53-60.

       Рассматривается проблема автоматической коррекции разностной сетки в процессе численного решения задачи газовой динамики. В лагранжево-эйлеровой методике МИМОЗА проблема неудовлетворительного качества пространственной сетки связана с деформациями линий разностной сетки, выделенных лагранжевым признаком, который запрещает перестроение расположенных на этих линиях узлов после лагранжева этапа численного решения уравнений газовой динамики. Как правило, подобное свойство узлов используется для выделения контактных границ веществ, которые совпадают с линиями разностной сетки. При больших деформациях разностной сетки в задаче рано или поздно наступает момент, когда лагранжев признак узлов необходимо удалить. В методике МИМОЗА эта процедура обычно выполняется в ручном режиме, что вносит в численное решение фактор неопределенности времени удаления лагранжева признака.
      Проблему идентификации дефектных узлов разностной сетки с лагранжевым признаком с последующей своевременной его заменой на другой тип перестроения авторы решают средствами технологии машинного обучения. Представлен шаблон набора входных данных для обучения искусственной нейронной сети, характеризующий предпосылки образования дефектных конфигураций для узлов с лагранжевым признаком. Приведены результаты апробации алгоритмов новой технологии на двух тестах с сильными деформациями лагранжевых линий (рис. - 4, табл. - 4, список лит. - 11).

Полный текст статьи