基于贝叶斯优化和持久数据拓扑的实验喷流控制
流体动力学
2024-05-06 v1 最优化与控制
摘要
本研究通过定向剪层层激励来实验性地优化雷诺数为 的湍流喷流与周围空气的混合。激励由由八个扬声器在喷嘴 lip 周长分布组成的不同方位角波数 的谐波信号的叠加所构成。各个谐波成分的�幅和频率作为优化参数，喷流下方程势核之后的中心线速度用于混合优化。通过贝叶斯优化进行激励优化。探索了三个搜索空间——轴对称激励、、轴对称激励与螺旋激励的叠加、，以及轴对称激励与两个反向螺旋模式的组合激励、。采用高速 PIV 对喷流响应进行分析。通过持久数据拓扑分析优化过程。在轴对称激励的搜索空间中，例程识别出在流的自然频率处的激励最为有效，中心线速度降低了 。在两个模式和三个模式的搜索空间中，最优解趋于相似的激励，即一个轴向模式与一个螺旋模式组合，频率比约为 。PIV 图像的谱分析揭示，对于所识别的优化激励频率，喷流中受激励结构与自然结构之间发生非线性相互作用，导致中心线速度降低约 。来自离散数据的最复杂搜索空间的拓扑揭示了四个吸引子，分为三类激励模式，包括轴对称、轴对称-螺旋和轴对称-翻滚。两个深型吸引子与最优的轴对称-螺旋模式相关，而其他两个为较浅的吸引子。
引用
@article{arxiv.2405.02020,
title = {Experimental jet control with Bayesian optimization and persistent data topology},
author = {Johann Moritz Reumschüssel and Yiqing Li and Philipp Maximilian zur Nedden and Tianyu Wang and Bernd R. Noack and Christian Oliver Paschereit},
journal= {arXiv preprint arXiv:2405.02020},
year = {2024}
}