基于典型相关分解的数值与实验数据可观测量诊断

本文提出了一种基于典型相关分析的流动分解方法，旨在将复杂流动最优地分解为相互正交的模态，并按其与可观测量的互相关性进行排序。该方法特别适用于识别与可观测量相关的流动结构，同时有效排除那些虽具有高能量但不相关的结构。因此，该方法能够在低信噪比下提取相干流动特征。数值验证表明，即使底层信号被强四个数量级的随机噪声污染，该方法也能稳健地识别与可观测量相关的流动事件。可观测量的时间采样频率和持续时间分别决定了互相关中可解析的最大和最小频率，而流动的相应参数则确保收敛。这些标准已通过合成算例得到验证。随后，该分解方法被用于分析湍流槽道流、亚声速湍流射流以及圆柱后的非定常涡脱落，展示了其在识别与可观测量相关结构及降阶方面的有效性。这种分解代表了一种针对高噪声数值和实验数据的有效降阶数据驱动方法，适用于识别给定可观测量的源事件和后续事件。希望该方法能加入现有的流动诊断工具行列，特别是用于与可观测量相关的诊断和控制。