通过时间平移改进谱正交分解的收敛性
流体动力学
2024-02-20 v2
摘要
谱正交分解（SPOD）因其特定性质在流体力学领域日益成为一种流行的模态分析方法：受白噪声强迫的线性系统应具有与预解分析响应模态相同的 SPOD 模态。SPOD 与用于谱估计的 Welch 方法相结合，可能需要长时间分辨的数据集。在本工作中，考虑了一个线性化的 Ginzburg-Landau 模型以研究该方法的收敛性。计算了白噪声强迫方程的 SPOD 模态，并与相应的响应预解模态进行了比较。量化误差被证明与由对流时间归一化的 Welch 块（谱窗口大小）的时间长度有关。随后，设计了一种基于时间数据平移的算法以进一步改善 SPOD 收敛性，并将其应用于 Ginzburg-Landau 系统。接下来，在经历旁路转捩的边界层数值数据库中展示了其有效性。与标准方法相比，所提出的方法在更小的谱窗口尺寸下实现了模态收敛的显著改善。此外，SPOD 模态沿流向方向显示出增长的壁面法向和展向速度分量，这是一个此前未被观察到且也被全局预解计算所预测的特征。SPOD 的平移算法为将该方法应用于通常由大型模拟产生的中等持续时间时间序列数据集提供了可能。
引用
@article{arxiv.2312.06057,
title = {Improved convergence of the spectral proper orthogonal decomposition through time shifting},
author = {Diego C. P. Blanco and Eduardo Martini and Kenzo Sasaki and André V. G. Cavalieri},
journal= {arXiv preprint arXiv:2312.06057},
year = {2024}
}
备注
GitHub repository listed in the acknowledgements