利用神经网络提取同步OH-PLIF与PIV场中的信息重叠
流体动力学
2020-03-10 v1
摘要
同步测量，例如将用于速度场的粒子图像测速(PIV)与用于组分场的平面激光诱导荧光(PLIF)相结合，在实验湍流燃烧应用中被广泛用于分析大量复杂的物理过程。此类物理分析由实验者对场间空间相关性的解释所驱动。然而，这些相关性也意味着某种程度的内在冗余；同步场包含重叠的信息内容。本工作的目标在于定量提取同步场测量中的这一重叠信息内容。具体而言，旨在获取旋流稳定燃烧室内同步测量的OH-PLIF场中所包含的PIV信息量。该任务通过使用基于人工神经网络、旨在优化PLIF到PIV映射的机器学习技术来完成。研究发现，当考虑跨度约为两个积分尺度（所考察区域的一半）的OH-PLIF信号邻域的线性组合时，可检索出大部分速度信息内容，而包含在更小局部区域（小于区域一半）中的PLIF信号相互作用不含PIV信息。此外，通过可视化神经网络参数中包含的相干结构，从OH-PLIF信号检索速度场相关的多尺度相互作用的作用变得更加明显。总体而言，本研究揭示了一条有用的途径（以重叠信息内容提取的形式），通过最小化冗余来开发使用相同实验资源捕获更多信息的诊断工具。
引用
@article{arxiv.2003.03662,
title = {Extracting Information Overlap in Simultaneous OH-PLIF and PIV Fields with Neural Networks},
author = {Shivam Barwey and Venkat Raman and Adam Steinberg},
journal= {arXiv preprint arXiv:2003.03662},
year = {2020}
}