用于涡激横流振动预测的最优参数化水动力数据库学习
流体动力学
2021-04-14 v1
摘要
长柔性圆柱结构的涡激振动（VIV）预测依赖于通过刚性圆柱强迫振动实验构建的水动力数据库的精度。然而，由于所需实验数量庞大，构建一个具有数十个输入参数（包括振动幅值与频率、雷诺数、表面粗糙度等）的完备水动力数据库在技术上极具挑战且几乎不可能。本文提出一种替代方法，以精心选择的参数化形式逼近横流（CF）水动力系数数据库。参数学习被表述为一个约束优化问题，其目标函数基于实验响应与理论预测之间的误差构建，并假设流体与结构之间能量平衡。该方法给出了 CF 参数化水动力数据库的最优估计，并基于更新后的水动力数据库给出 VIV 响应预测。该方法随后在多个实验上进行了测试，包括大雷诺数下具有组合横流与顺流振动的自由安装刚性圆柱，以及挪威深水计划中的大规模柔性圆柱试验，结果表明其能稳健且显著地降低圆柱 VIV 预测误差。
引用
@article{arxiv.2104.05887,
title = {Learning Optimal Parametric Hydrodynamic Database for Vortex-Induced Crossflow Vibration Prediction},
author = {Samuel Rudy and Dixia Fan and Jose del Aguila Ferrandis and Themistoklis Sapsis and Michael S. Triantafyllou},
journal= {arXiv preprint arXiv:2104.05887},
year = {2021}
}