TR-PIV 数据的多尺度本征正交分解（mPOD）——定常与瞬态圆柱尾流案例研究
流体动力学
2020-08-26 v2 动力系统
仪器与探测器
摘要
粒子图像测速（PIV）测量的数据驱动分解被广泛用于多种目的，包括相干特征（如涡结构）检测、滤波操作（如离群值去除或随机噪声抑制）、数据缩减与压缩。本文介绍了一种新颖分解方法的应用，称为多尺度本征正交分解（Mendez J Fluid Mech 870:988-1036, 2019），用于时间分辨 PIV（TR-PIV）测量。该方法结合多分辨率分析（MRA）与标准本征正交分解（POD），以在分解收敛性与所得模态的谱纯度之间取得折中。所选测试案例为圆柱绕流在定常与瞬态条件下的流动，产生频率变化的卡门涡街。将 mPOD 的结果与标准 POD、离散傅里叶变换（DFT）和动态模态分解（DMD）进行比较。从分解收敛性及其模态的时频局部化方面评估 mPOD。多尺度模态分析揭示了定常圆柱尾流中由于流动三维性质导致的拍频现象，并正确识别了瞬态测试案例中各种定常状态之间的转变。
引用
@article{arxiv.2001.01971,
title = {Multiscale Proper Orthogonal Decomposition (mPOD) of TR-PIV data-- a Case Study on Stationary and Transient Cylinder Wake Flows},
author = {Miguel A Mendez and David Hess and Bo B Watz and Jean-Marie Buchlin},
journal= {arXiv preprint arXiv:2001.01971},
year = {2020}
}
备注
Article submitted to Meas Sci Tech