基于监督与无监督学习方法的耦合火焰振子动力学模式识别
机器学习
2024-11-26 v3
摘要
燃气轮机和火箭发动机中的燃烧不稳定性是燃烧研究中最具挑战性的问题之一，它源于火焰之间的复杂相互作用，并受到化学反应、传热传质和声学的影响。识别和理解燃烧不稳定性对于确保许多燃烧系统的安全可靠运行至关重要，其中探索和分类复杂火焰系统的动力学行为是核心任务。为了促进基础研究，本工作关注由闪烁浮力扩散火焰组成的耦合火焰振子的动力学模式识别，该问题近年来受到越来越多的关注，但尚未得到充分理解。火焰振子的时间序列数据由经过充分验证的反应流模拟生成。由于基于专业知识的模型的局限性，采用了数据驱动方法。在本研究中，使用变分自编码器 (VAE) 的非线性降维模型将模拟数据投影到二维潜空间中。基于潜空间中的相轨迹，分别针对具有已知标签和没有标签的数据集提出了监督和无监督分类器。对于有标签的数据集，我们建立了基于 Wasserstein 距离的分类器 (WDC) 用于模式识别；对于无标签的数据集，我们开发了一种结合动态时间规整 (DTW) 和高斯混合模型 (GMM) 的新型无监督分类器 (GMM-DTWC)。通过与传统的降维和分类方法进行比较，所提出的基于 VAE 的监督和无监督方法在区分动力学模式方面表现出卓越的性能，这意味着它们有可能扩展到复杂燃烧问题的动力学模式识别中。
引用
@article{arxiv.2404.17801,
title = {Dynamical Mode Recognition of Coupled Flame Oscillators by Supervised and Unsupervised Learning Approaches},
author = {Weiming Xu and Tao Yang and Peng Zhang},
journal= {arXiv preprint arXiv:2404.17801},
year = {2024}
}
备注
research paper (29 pages, 20 figures)