异构数据同化以增强湍流平均流重建

基于数据同化方法的湍流流场重建，通过融合有限观测，对改进流动特征估计具有重要意义。现有工作主要集中于仅使用单一观测数据源（如速度、壁面压力、升力或阻力）来重建流场。在实际应用中，观测往往是维度与质量各异的异构数据源。同时融合这些异构数据以改进流重建值得研究。本文研究采用集合方法实现异构数据同化，以增强湍流平均流的重建。具体而言，采用正则化集合卡尔曼方法融合速度观测与不同来源的壁面量（如壁面剪应力、壁面压力分布、升力与阻力）。通过三个数值算例验证所提框架融合异构观测数据的能力。前两个算例为一维平面槽道流与二维平板转捩流，用于融合稀疏速度与壁面摩擦；第三个算例为周期山丘绕流，除速度外还将壁面压力分布与升力、阻力作为观测以恢复流场。结果表明融合多种异构数据源可提升流场估计精度。该基于集合的方法能够非侵入式且鲁棒地同化异构数据，无需对模型模拟代码做显著改动。本文方法为同化现实中常呈异构的实验数据提供了可能。