论文：Physics-informed deep learning for incompressible laminar flows

与经典PINN框架的区别：

1. 采用流函数的梯度信息求速度

2. 引入柯西应力张量

动力粘性 $0.02 kg/(m \cdot s)$

密度 $1.0 kg/m^3$

入口流速

$u(0, y)=4U_{max}(H-y)y/H^2$

$U_{max}=1.0 m/s$

动力粘性 $0.005 kg/(m \cdot s)$

密度 $1.0 kg/m^3$

入口流速

$u(0, y)=4[\sin(\frac{2 \pi t}{T} + \frac{3 \pi }{2}) + 1]U_{max}(H-y)y/H^2$

$U_{max} = 0.5 m/s$

$T = 1.0 s$

data

• 2D_cylinder
  • mixed
    • steady_data.mat 训练数据
    • steady_Fluent.mat fluent的计算结果
    • unsteady_data.mat 训练数据
  • paddle_openfoam
    • inital
    • probe 监督点数据
    • steady_data.mat
    • domain_cylinder.csv
    • domain_inlet.csv
    • domain_outlet.csv
    • domain_train.csv 计算residual的数据

pinn_cylinder

• basic-model.py PINN 基础模型
• run_steady.py 稳态复现
• run_unsteady.py 瞬态复现
• run_steady_classical.py 采用经典PINN预测稳态
• visual_data.py _画图