感知力量：从局部表面压力测量到流固耦合中的流场重构
流体动力学
2023-11-03 v1
摘要
受鱼类侧线启发，通过基于表面的数据推断流动特征已引起相当关注。当前方法通常依赖于专为势流定制的解析方法，或利用黑盒机器学习算法估计特定的一组流动参数。与黑盒机器学习方法不同，我们证明可以识别流体流动的某些模态，然后从这些模态重构整个流场。我们使用动态模态分解（DMD）来参数化整个流场中复杂、动态的特徵。随后，我们仅利用浸没障碍物表面采集的压力时间序列，借助深度神经网络推断大尺度非定常流动域内压力与速度场的 DMD 模态。我们的方法成功展示于多种流固耦合场景，包括圆柱尾流中自由振荡以及串联圆柱受迫振荡的情况，证明了其通用性与鲁棒性。
引用
@article{arxiv.2311.00793,
title = {Feel the Force: From Local Surface Pressure Measurement to Flow Reconstruction in Fluid-Structure Interaction},
author = {Colin Rodwell and Kumar Sourav and Phanindra Tallapragada},
journal= {arXiv preprint arXiv:2311.00793},
year = {2023}
}
备注
16 pages, 12 figures