压缩流过旋转圆柱的模拟数据集

该数据集是由印度理工学院达班德分校机械工程系的研究团队创建的，包含了101个二维压缩流过旋转圆柱的模拟案例，模拟时长为106核心小时。数据集用于测试压缩流求解器、估计非稳态力分布和涡量动力学，旨在为高速旋转流动中的涡量动力学提供新的理解，并为航空推进系统中的流动控制策略提供基础。

This dataset was created by a research team from the Department of Mechanical Engineering, Indian Institute of Technology Dhanbad. It includes 101 simulation cases of two-dimensional compressible flow past a rotating cylinder, with a total simulation duration of 106 core-hours. The dataset is designed for testing compressible flow solvers, estimating unsteady force distributions and analyzing vorticity dynamics. It aims to provide new insights into vorticity dynamics in high-speed rotating flows and lay a foundation for flow control strategies in aerospace propulsion systems.

搜集汇总

数据集介绍

构建方式

该数据集通过高精度数值模拟构建，采用二维可压缩Navier-Stokes方程作为控制方程，结合色散关系保持数值方法进行求解。在固定自由流马赫数0.1和高无量纲旋转速率10的条件下，系统改变雷诺数从1000至6000，以50为间隔生成101组独立算例。计算网格采用O型拓扑结构，壁面分辨率精细至0.0005D，通过双曲网格生成技术确保近壁区捕捉精度，总计算量达百万核心时级。

使用方法

该数据集适用于可压缩流动求解器的验证工作，可通过对比模拟结果评估数值方法的精度。在机器学习领域，其系统参数变化特征适合训练人工神经网络代理模型，实现升阻力系数与不稳定性起始的快速预测。研究应用中可结合分岔理论分析流动转捩机制，或通过涡量输运方程探究可压缩性对涡动力学的影响规律。

背景与挑战

背景概述

压缩流过旋转圆柱的模拟数据集由印度理工学院丹巴德分校机械工程系的研究团队于2025年创建，聚焦于高转速条件下雷诺数变化对圆柱绕流动力学的影响。该研究通过求解二维可压缩Navier-Stokes方程，系统分析了雷诺数在1000至6000范围内的分岔行为，揭示了马格努斯-罗宾斯效应在可压缩流场中的临界转变机制。该数据集为可压缩流动求解器的验证、非定常力分布评估及涡动力学研究提供了高精度基准，显著推进了高速旋转流动领域的理论发展与工程应用。

当前挑战

该数据集致力于解决可压缩流动中旋转圆柱绕流的复杂动力学问题，核心挑战在于捕捉高转速下由压缩性与旋转耦合引发的非定常不稳定性，例如临界雷诺数5650附近出现的全局分岔行为。构建过程中面临数值模拟的高计算成本挑战，需通过色散关系保持算法处理101个工况的百万核心时计算；同时，高转速导致的边界层变薄与流动分离抑制增加了涡结构分辨难度，需采用人工神经网络替代传统模拟以提升参数扫描效率。

常用场景

经典使用场景

在流体力学领域，压缩流过旋转圆柱的模拟数据集为研究高转速条件下雷诺数变化对流动特性的影响提供了关键基准。该数据集通过101组高保真模拟，系统揭示了旋转圆柱周围涡量动力学、升阻力分布及不稳定性演化的复杂规律，成为验证可压缩流动求解器和分析马格努斯-罗宾斯效应的经典工具。其典型应用包括对圆柱尾迹中多尺度时空不稳定性的量化分析，以及旋转诱导的边界层分离抑制现象的精细刻画。

解决学术问题

该数据集有效解决了可压缩流体中旋转圆柱流动的临界参数识别与分岔机制解析等核心学术问题。通过系统量化雷诺数在1000-6000区间内对升阻力系数、不稳定性起始时间的影响，揭示了临界雷诺数5650处的霍普夫分岔现象，阐明了旋转速率与压缩性耦合作用下涡脱落抑制的物理机制。其意义在于构建了高转速条件下可压缩流动的完整分岔图谱，为湍流模型验证和非线性动力学研究提供了理论基石。

实际应用

在工程应用层面，该数据集支撑了航空航天推进系统、旋转机械设计与流动控制策略的优化。通过人工神经网络对升阻力参数的快速预测，实现了计算成本降低99.9%的工程实用化突破，为离心机气动设计、弹道轨迹修正和运动器械空气动力学提供了高精度数据支撑。其压缩性效应分析进一步指导了高马赫数条件下旋转部件的热力学设计，在超音速流动控制领域展现出重要价值。

数据集最近研究

最新研究方向

在流体力学领域，旋转圆柱绕流问题作为经典研究课题，近年来在可压缩流动模拟方面展现出新的研究热点。该数据集通过高保真数值模拟，系统探索了高转速条件下雷诺数变化对流动分岔行为的影响，揭示了临界雷诺数5650附近Magnus-Robins效应的全局行为转变。前沿研究聚焦于涡量动力学与时空不稳定性演化，通过人工神经网络构建了升阻力系数与失稳起始时间的快速预测模型，将计算耗时降低99.9%。这项工作为可压缩流动求解器提供了基准验证数据，推动了数据驱动方法与计算流体力学在气动推进系统优化中的深度融合。

相关研究论文

• 通过

  印度理工学院达班德分校机械工程系 · 2025年