[论文解读] An uncertainty estimation module for turbulence model predictions in SU2

Aashwin Mishra, Jayant Mukhopadhaya+2 more|arXiv (Cornell University)|Mar 2, 2018

Probabilistic and Robust Engineering Design参考文献 11被引用 3

一句话总结

本文提出了 SU2 中的 EQUiPS 不确定性估计模块，该计算框架通过伴随法敏感性分析和统计校准，量化基于 RANS 的湍流模型预测中的认知不确定性。该模块在多种航空航天相关测试案例中成功包裹了高保真数据，其不确定性边界在预测差异较大时扩展，表现出高精度与高召回率。

ABSTRACT

With the advent of improved computational resources, aerospace design has testing-based process to a simulation-driven procedure, wherein uncertainties in design and operating conditions are explicitly accounted for in the design under uncertainty methodology. A key source of such uncertainties in design are the closure models used to account for fluid turbulence. In spite of their importance, no reliable and extensively tested modules are available to estimate this epistemic uncertainty. In this article, we outline the EQUiPS uncertainty estimation module developed for the SU2 CFD suite that focuses on uncertainty due to turbulence models. The theoretical foundations underlying this uncertainty estimation and its computational implementation are detailed. Thence, the performance of this module is presented for a range of test cases, including both benchmark problems and flows relevant to aerospace design. Across the range of test cases, the uncertainty estimates of the module were able to account for a significant portion of the discrepancy between RANS predictions and high fidelity data.

研究动机与目标

• 解决工业 CFD 工作流中湍流模型误差缺乏可靠、集成化不确定性量化的问题。
• 开发一种计算高效的模块，用于估计由于 RANS 模型结构局限性引起的认知不确定性。
• 在基准流和航空航天相关流动中，通过与高保真数据对比，验证不确定性估计的准确性。
• 确保当 RANS 预测准确时（避免误报），不确定性边界较小；当存在偏差时（确保覆盖性），不确定性边界较大。
• 提供一个免费、开源的模块，可集成至 SU2 CFD 套件中，以支持不确定性下的设计。

提出的方法

• 该模块采用伴随法敏感性框架，量化 RANS 湍流模型中模型形式误差对关键物理量的影响。
• 利用统计校准技术，将模型敏感性信息映射为关键流动变量的概率预测区间。
• 该方法基于 EQUiPS 方法论，系统性地量化物理仿真中因模型结构不完善导致的不确定性。
• 计算实现与 SU2 CFD 求解器集成，实现在标准 RANS 模拟过程中实时不确定性估计。
• 通过与专有实现的代码对代码对比，对框架进行验证，确保其准确性和一致性。
• 不确定性边界以动态调整的预测区间形式生成，其依据是 RANS 预测与高保真数据之间的局部偏差。

实验结果

研究问题

• RQ1 基于物理信息的不确定性估计模块能否可靠地量化 RANS 湍流模型预测中的认知不确定性？
• RQ2 估计的不确定性边界在多种流动构型中能否有效包裹高保真数据？
• RQ3 当 RANS 预测准确时，该模块是否会避免生成过大的不确定性边界（即最小化误报）？
• RQ4 该模块能否基于局部流动物理特性，区分高误差与低误差区域？
• RQ5 不确定性估计的性能在基准流和真实航空航天流动中表现如何？

主要发现

• EQUiPS 模块在所有测试案例中成功生成了包裹高保真实验和仿真数据的不确定性边界，包括存在分离和强曲率效应的复杂流动。
• 在接近失速的迎角（如 15°）时，RANS 预测与实验数据显著偏离，此时不确定性边界显著扩大，完整覆盖了观测到的偏差范围。
• 在较低迎角（如 10°）时，RANS 预测与数据吻合良好，不确定性边界极小，表明误报率极低。
• 对于三元襟翼高升力机翼在 8° 迎角下，模块正确识别出主翼和襟翼区域不确定性较低，同时检测到前缘缝翼区域不确定性较高，符合已知的模型局限性。
• 该模块表现出高精度与高召回率：仅在存在偏差时边界才变大，否则保持微小，证实其作为诊断工具的可靠性。
• SU2 实现与专有代码基线表现出极佳的一致性，验证了计算框架的正确性与鲁棒性。