前缘涡形成与尾迹轨迹：测量、分析与机器学习的综合研究

本文研究了由俯仰-升沉水翼（弦长 $c$）形成的前缘涡（LEV）的强度与轨迹。采用 $Q$ 准则法识别 LEV，该准则由 PIV 测量获得的二维速度场计算而得。冲程中点的相对攻角 ${\alpha_{T/4}}$ 被证明是一种有效的方法，可将升沉幅值（$h_0/c$）、俯仰幅值（$\theta_0$）和约化频率（$f^*$）合并为单一变量，从而在广泛工况下预测 $Q$ 的最大值。一旦 LEV 从水翼分离，便向下游运动并迅速减弱和扩散。LEV 的下游轨迹具有两种特征形状。在 ${\alpha_{T/4}}$ 较低时，其在脱离水翼后直线向下游运动；而在 ${\alpha_{T/4}}$ 较高时，伴随的后缘涡（TEV）形成，其诱导速度使涡轨迹产生横流分量。该行为可利用 LEV 与 TEV 的势流模型准确预测。采用监督式机器学习算法，即支持向量回归（Support Vector Regression）与高斯过程回归（Gaussian Process Regression），建立回归模型，预测涡在生长及分离后的强度、形状与轨迹。该回归模型成功捕捉了在不同 ${\alpha_{T/4}}$ 值下观察到的两种涡态特征。然而，预测的 LEV 轨迹较实验观测略为平滑，且涡强度常被低估。这两个缺陷可能归因于训练数据集规模相对较小。