多级涡轮中不可稳定流动的数据驱动模态分解分析
流体动力学
2026-03-27 v1 计算物理
摘要
应用 proper 正交分解 (POD) 和 dynamic 模态分解 (DMD) 两种数据驱动模态分析方法，用于分析由求解多阶段轴流涡轮的 Reynolds 平均 Navier-Stock 方程得到的不可稳定流动。将重构的压力、主导模态形状以及这些主导模态在涡轮下游定子中的动态特征在 POD 和四种 DMD 变体之间进行比较。发现基于幅值准则、Tissot 准则和稀疏化 DMD (SP-DMD) 的 DMD 方法在重建精度上与 POD 相当等价，而频率准则不适用于当前问题。第二和第三 POD 和 DMD 模态捕获了定子中主导压力涨落结构，相应的 POD 和 DMD 空间模态之间存在相似性。不可稳定流动主要由具有高幅值和低频率的中性 DMD 模态控制，这些频率对应于由旋转子通过频率驱动的基本频率和谐波频率。虽然 POD 分析为原始快照提供了准确的重构，但每个 POD 模态的时间演化并未反映系统的真实动态特征。特别是，它们误表现了问题的基本频率。此外，探讨了下游定子主导模态与涡轮绝热效率之间的相关性，涉及不同的定子时钟配置。发现在 50% 跨度处绝热效率更高的时钟配置对应于第二和第三 DMD 模态对更大的空间和时间分量，同样也对应于更大的第二 POD 模态。
引用
@article{arxiv.2603.24905,
title = {Data-Driven Modal Decomposition Analysis of Unsteady Flow in a Multi-Stage Turbine},
author = {Yalu Zhu and Feng Liu},
journal= {arXiv preprint arXiv:2603.24905},
year = {2026}
}
备注
22 pages, 20 figures