基于惯性拉格朗日轨迹的流场重构与颗粒表征
流体动力学
2023-11-16 v1
摘要
本文描述了一种从拉格朗日粒子追踪(LPT)数据同时重构流场状态并确定颗粒性质的方法。LPT是一种流行的流体测量策略,其中流场中的颗粒被照明、成像(通常使用多台相机)、在三维中定位,然后在一系列帧中追踪。所得的“轨迹”在空间上是稀疏的,通常采用重构算法来确定与数据以及流体动力学控制方程一致的稠密欧拉速度和压力场。现有的LPT重构算法假定颗粒完全跟随流场,但这一假设对于惯性颗粒会失效,惯性颗粒可能表现出滞后或弹道运动,并可能向周围流体传递显著动量。我们报告了一种LPT重构策略,其纳入了载流相和颗粒相的输运物理,并可参数化以考虑尺寸和密度等未知颗粒性质。我们的方法能够从LPT数据以及两相的耦合控制方程重构非定常流场状态并确定颗粒性质。我们使用神经求解器表示流场状态,并使用数据约束多项式表示轨迹(但我们注意到我们的技术与多种求解器兼容)。通过数值测试证明了从表现出显著滞后、流线交叉和优先采样的惯性轨迹重构受迫各向同性湍流和锥-柱激波结构。
引用
@article{arxiv.2311.09076,
title = {Flow reconstruction and particle characterization from inertial Lagrangian tracks},
author = {Ke Zhou and Samuel J. Grauer},
journal= {arXiv preprint arXiv:2311.09076},
year = {2023}
}