在有限体积的框架下, 构造基于Cahn-Hilliard相场方程的气体动理学格式, 其界面通量由Chapman-Enskog一阶近似确定。进一步证明提出的模型可准确恢复至Cahn-Hilliard方程。通过若干算例对该模型进行测试, 并与相应的格子玻尔兹曼方法进行对比。结果表明, 该模型在界面捕捉方面具有较好的精度和数值稳定性。本文的研究拓展了气体动理学格式在相场理论的应用, 并为两相流体系统的模拟提供了方案。
采用离散统一气体动理学方法(DUGKS)求解两组分气体McCormack模型, 模拟下板温度周期波动激发的两平板间两组分稀薄气体流动与传热问题, 分析系统稀薄参数、温度变化频率以及组分摩尔浓度对平板间流动与传热现象的影响。数值结果表明: 两平板间气体流动与传热呈现周期变化, 并且平板间存在最小局部温度的现象, 其位置与系统稀薄程度呈正比, 此外热渗透深度随着稀薄参数的减小而减小。热渗透深度随轻组分浓度的增大而先增大, 在轻组分浓度为0.6左右达到最高值, 最后减小并与单组分气体结果一致。
提出一种名为NN-PDE(neural network-partial differential equations)的复合神经网络方法, 用于噪声数据预处理和学习偏微分方程。NN-PDE用一套神经网络负责数据预处理, 另一套网络耦合备选的方程信息, 进而学习潜在的控制方程。两套网络复合为一套网络, 可更加高效地处理噪声数据, 有效减小噪声的影响。使用NN-PDE学习多种物理方程(如Burgers方程、Korteweg-de Vries方程、Kuramoto-Sivashinsky方程和Navier-Stokes方程)的噪声数据, 均可获得准确的控制方程。