基于模态展开与最优布点处时间序列数据的压敏漆数据降噪数据驱动方法
流体动力学
2021-07-15 v1
摘要
我们提出一种基于模态展开的非定常压敏漆（PSP）数据降噪方法，其系数由最优布点处的时间序列数据确定。在本研究中，由时间序列 PSP 数据计算得到的本征正交分解（POD）模态被用作模态基。基于 POD 模态，通过传感器优化技术最优地布置能够有效表征压力分布特征的点。然后，通过最小化最优点处时间序列压力数据与重建压力之间的差异来确定 POD 模态的时变系数向量。此处，系数向量被假设为稀疏向量。所提方法的优势在于是一种自包含方法，而现有方法使用其他数据（如测压孔数据）来降噪。作为演示，我们将所提方法应用于测量方柱后卡门涡街的 PSP 数据。重建的压力数据与压力传感器独立测得的压强吻合极好。
引用
@article{arxiv.2103.00931,
title = {Data-Driven Approach for Noise Reduction in Pressure-Sensitive Paint Data Based on Modal Expansion and Time-Series Data at Optimally Placed Points},
author = {Tomoki Inoue and Yu Matsuda and Tsubasa Ikami and Taku Nonomura and Yasuhiro Egami and Hiroki Nagai},
journal= {arXiv preprint arXiv:2103.00931},
year = {2021}
}
备注
This article has been submitted to Physics of Fluids