基于卷积神经网络的火箭冲压组合发动机燃烧流场重构

1

作者 高屹 刘冰 +3 位作者 张至斌 朱韶华 朱梦豪 秦飞 《燃烧科学与技术》 北大核心 2025年第1期35-45,共11页

本文提出一种基于卷积神经网络架构的燃烧流场重构模型,旨在从低分辨率温度场中重构得到具有复杂流场特征的火箭冲压组合发动机二维温度场.通过大涡模拟方法获得了4种不同构型燃烧室的湍流燃烧流场数据集,使用其中3组构型作为训练集,并... 本文提出一种基于卷积神经网络架构的燃烧流场重构模型,旨在从低分辨率温度场中重构得到具有复杂流场特征的火箭冲压组合发动机二维温度场.通过大涡模拟方法获得了4种不同构型燃烧室的湍流燃烧流场数据集,使用其中3组构型作为训练集,并对另一个构型燃烧室温度场的重构结果进行分析,以对重构神经网络模型进行验证.研究结果表明,该温度场重构模型可以有效从低分辨率温度场中重构得到二维高分辨率温度分布,在中心火箭后缘主要燃烧区域的温度场重构平均误差小于5%,重构精度高于双三次插值算法.本研究数据集和模型可为后续实现组合发动机燃烧状态的智能感知和调控提供支撑. 展开更多

关键词 火箭冲压组合发动机 卷积神经网络 流场重构 湍流燃烧

在线阅读 下载PDF 职称材料

基于PINN的二维剪切流圆柱绕流场重构

2

作者 苑光耀 王俊淞 +1 位作者 赵玄烈 耿敬 《力学学报》 北大核心 2025年第2期436-452,共17页

随着机器学习方法的发展,基于数据驱动的流场预测成为研究热点.相比于传统神经网络对大量训练数据的依赖以及可解释性较差等问题,物理信息神经网络(PINN)通过将物理约束直接嵌入神经网络损失函数,仅需少量训练数据即可实现流场预测.文... 随着机器学习方法的发展,基于数据驱动的流场预测成为研究热点.相比于传统神经网络对大量训练数据的依赖以及可解释性较差等问题,物理信息神经网络(PINN)通过将物理约束直接嵌入神经网络损失函数,仅需少量训练数据即可实现流场预测.文章探究了基于PINN的低雷诺数条件下剪切流圆柱绕流场重构方法.基于开源CFD软件OpenFOAM生成的数值模拟数据构建训练集,构建引入剪切流边界条件的圆柱绕流PINN模型,利用流场采样点的速度和压强信息对PINN模型进行训练,以预测不同区域内的流速和压强分布.通过将PINN预测结果与数值模拟数据进行对比,评估了PINN在重构复杂流场中的表现.同时,研究了神经网络层数、网络节点数和监测点位置等参数变化对预测结果的影响,分析了参数调整对流场预测精度的优化作用.研究结果表明,PINN不仅能有效重构剪切流绕流场的流速和压强分布,其预测精度也与数值模拟结果较为吻合,验证了PINN在剪切流圆柱绕流场重构中的实用性和准确性.对比分析表明,监测点位置对预测结果的影响较为显著,合理选取监测点位置可使PINN预测精度提升1~2个数量级. 展开更多

关键词 物理信息神经网络 NAVIER-STOKES方程 剪切流场重构 圆柱绕流

在线阅读 下载PDF 职称材料

非定常流场时程重构的深度学习方法 被引量：1

3

作者 战庆亮 白春锦 +1 位作者 吴智虎 葛耀君 《船舶力学》 EI CSCD 北大核心 2024年第3期319-327,共9页

高分辨率的流场数据对流动问题的研究具有重要意义。受测量方法、计算效率等多因素限制,高分辨率流场的直接获取仍有一定困难。本文基于流场时程数据的低维表征模型,提出非定常流动时程数据重构的深度学习方法。该方法直接面向样本时程... 高分辨率的流场数据对流动问题的研究具有重要意义。受测量方法、计算效率等多因素限制,高分辨率流场的直接获取仍有一定困难。本文基于流场时程数据的低维表征模型,提出非定常流动时程数据重构的深度学习方法。该方法直接面向样本时程数据,凭借一维卷积的特性提取出样本中包含的时程特征;然后,建立物理空间与表征模型编码空间之间的映射关系;最后,利用一维反卷积对低维表征进行解码,实现对流场中任意位置数据的重构。对Re_(D)=200的非定常圆柱层流绕流流场进行低维表征与验证,进而实现高分辨率流场时程数据的重构,并证明方法的准确性。本文方法是一种无监督方法,是一种时间维度上具有高精度的流场数据重构方法,适用于基于传感器的时程数据处理。 展开更多

关键词 流场重构 流场时程 深度学习 特征提取 无监督模型

在线阅读 下载PDF 职称材料

基于物理信息神经网络的船舶螺旋桨尾流场重构 被引量：1

4

作者 侯先瑞 周星宇 黄骁骋 《上海交通大学学报》 EI CAS CSCD 北大核心 2024年第11期1654-1664,共11页

将物理信息神经网络(PINN)应用于船舶螺旋桨尾流场的重建.介绍了PINN的原理和基本框架;应用PINN求解Burgers方程,对PINN求解偏微分方程的可行性进行验证.利用计算流体力学(CFD)软件STAR CCM+对KVLCC2螺旋桨的敞水特性进行了数值模拟,得... 将物理信息神经网络(PINN)应用于船舶螺旋桨尾流场的重建.介绍了PINN的原理和基本框架;应用PINN求解Burgers方程,对PINN求解偏微分方程的可行性进行验证.利用计算流体力学(CFD)软件STAR CCM+对KVLCC2螺旋桨的敞水特性进行了数值模拟,得到了该桨在敞水中运动的流场信息.基于数值模拟得到的敞水桨流场特性信息,构造PINN训练样本集对PINN进行训练;训练后的PINN用于推断控制方程在任意时间和空间坐标的近似解.将PINN得到的速度和压力分布与STAR CCM+模拟的速度和压力分布进行了比较,对比结果验证了PINN在尾流场重建中的可靠性.研究结果表明,PINN可以应用于船舶螺旋桨尾流场的重建. 展开更多

关键词 物理信息神经网络 偏微分方程 流场信息 流场重构 螺旋桨

在线阅读 下载PDF 职称材料

基于物理信息深度学习算法的Flame D热流场重构研究

5

作者 彭浩然 胡贵华 《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第6期878-887,共10页

尽管数值模拟方法在求解流体动力学的湍流过程中发展迅速,但处理复杂的几何形状和流动过程时,在准确建模和计算速度等问题上仍面临挑战性。针对当前在计算流体力学(Computational Fluid Dynamics,CFD)上存在的计算代价大等问题,本文在... 尽管数值模拟方法在求解流体动力学的湍流过程中发展迅速,但处理复杂的几何形状和流动过程时,在准确建模和计算速度等问题上仍面临挑战性。针对当前在计算流体力学(Computational Fluid Dynamics,CFD)上存在的计算代价大等问题,本文在传统的湍流数值模拟技术的基础上,结合机器学习,以经典的Sandia Flame D燃烧模型为例,通过引入物理信息的深度学习算法,建立物理信息神经网络架构(Physical-Information Neural Network,PINN),将符合规律的物理信息内嵌到神经网络,使得用小样本就能实现参数的流场重构。在平面维度上,分别对PINN和数据驱动方法重构的结果,与CFD软件仿真结果进行对比分析,其中PINN方法在训练集大小不及样本点总数一半的情况下,即可得到数据驱动方法在大样本情况下的重构结果,重构出燃烧过程在t=1 s时刻的轴向、径向速度以及温度的L2相对误差分别为0.187%、1.194%,0.071%,且在训练集占样本点总数的55%、70%、82%的情况下,PINN方法均比数据驱动方法误差小。在时间维度上,成功重构t=0.3、0.5、1 s时刻的轴向速度云图,证明PINN方法能够重构出几何模型采样时间范围内任意时刻的物理场分布云图。 展开更多

关键词 计算流体力学 深度学习 物理信息神经网络 湍流燃烧 流场重构

在线阅读 下载PDF 职称材料

基于集合变换Kalman滤波的流场高效重构

6

作者 郭雨欣 黄俊 +2 位作者 赵庆宇 冀晶晶 黄永安 《气体物理》 2024年第4期56-64,共9页

湍流场的准确估计在航空航天领域具有重要意义,现有的获取手段在分辨率或者准确性方面是不足的。实验测量准确却往往测点数量有限,数值计算能获得全场数据,但精度却难以保障。数据同化方法融合了实验观测和数值模拟,是进行流场重构的有... 湍流场的准确估计在航空航天领域具有重要意义,现有的获取手段在分辨率或者准确性方面是不足的。实验测量准确却往往测点数量有限,数值计算能获得全场数据,但精度却难以保障。数据同化方法融合了实验观测和数值模拟,是进行流场重构的有效工具。探索了基于集合变换Kalman滤波(ensemble transform Kalman filter,ETKF)的数据同化方法在空间流场重构方面的有效性,并讨论了不同迭代更新模式的重构精度和计算效率,即状态变量基于湍流模型更新的ETKF-M和基于流场数据更新的ETKF-D。以ONERA M6机翼作为数值算例,结合风洞实验翼型表面271测压孔的压力测量数据进行算法实验,结果表明ETKF方法的不同迭代模式均有效修正了湍流模型的预测,并且ETKF-D相对于ETKF-M提升了83%的计算效率。此外,选取两组不同位置的1/4实验测点进行同化实验,得到不同精度的结果,这表明重构的精度与同化测点的位置和数量密切相关。 展开更多

关键词 数据同化 集合变换Kalman滤波 流场重构

在线阅读 下载PDF 职称材料

一种基于增量径向基函数插值的流场重构方法 被引量：4

7

作者 刘溢浪 张伟伟 +1 位作者 蒋跃文 叶正寅 《力学学报》 EI CSCD 北大核心 2014年第5期694-702,共9页

由于流场参数重构中,用于重构的基网格单元的物理参数波动量相对于均值较小,径向基函数(RBF)直接插值方法重构会产生较大的数值振荡,论文提出了一种增量RBF插值方法,并用于有限体积的流场重构步,明显改善了插值格式的收敛性和稳定性.算... 由于流场参数重构中,用于重构的基网格单元的物理参数波动量相对于均值较小,径向基函数(RBF)直接插值方法重构会产生较大的数值振荡,论文提出了一种增量RBF插值方法,并用于有限体积的流场重构步,明显改善了插值格式的收敛性和稳定性.算例首先通过简单的一维模型说明该方法的有效性,当目标函数波动量相对于均值为小量时,增量RBF插值能够抑制数值振荡;进一步通过二维亚音速、跨音速定常无黏算例、静止圆柱绕流非定常算例以及超音速前台阶算例来说明该方法在典型流场数值求解中的通用性和有效性.研究表明增量RBF重构方法可陡峭地捕捉激波间断,可有效改善流场求解的收敛性和稳定性,数值耗散小,计算效率高. 展开更多

关键词 有限体积法 增量RBF插值 流场重构 稳定性

在线阅读 下载PDF 职称材料

基于特征正交分解的跨声速流场重构和翼型反设计方法研究 被引量：6

8

作者 刘浩 徐敏 叶茂 《空气动力学学报》 EI CSCD 北大核心 2012年第4期539-545,共7页

在二维流场的重构问题中应用特征正交分解(Proper Orthogonal Decomposition,POD)数据处理方法。利用CFD技术计算得到的流场快照对气动力模型进行降阶,然后利用基于POD的降阶模型(Reduced Order Model,ROM)对所需的流场参数进行重构,在... 在二维流场的重构问题中应用特征正交分解(Proper Orthogonal Decomposition,POD)数据处理方法。利用CFD技术计算得到的流场快照对气动力模型进行降阶,然后利用基于POD的降阶模型(Reduced Order Model,ROM)对所需的流场参数进行重构,在快照范围内可以得到高精度的结果,且具有一定的外插能力。在翼型反设计问题中该方法仍然是成功的,通过修正快照向量,利用基于POD降阶模型的数据重构方法,由已知的翼型表面压力分布通过反设计就能够高效精确地得到对应的最优翼型形状,这极大地简化了翼型反设计问题。本文分别在跨声速范围对RAE 2822翼型的流场重构和Korn翼型及NACA 63212翼型的反设计进行了验证,证明了基于POD的流场重构和翼型反设计方法的有效性和高效性。 展开更多

关键词 特征正交分解 降阶模型 跨声速 流场重构 翼型反设计

在线阅读 下载PDF 职称材料

基于正交分解技术的汽车非定常流场分析及重构 被引量：2

9

作者 王国俊 崔文诗 +2 位作者 周华 朱晖 杨志刚 《计算机辅助工程》 2016年第4期33-39,共7页

为有效开展汽车气动优化设计和主动流动控制技术,采用正交分解(Proper Orthogonal Decomposition,POD)技术分析汽车非定常流场中POD模态的物理意义,并利用重构技术建立汽车外流场瞬态简化模型.大涡模拟(Large Eddy Simulation,LES)仿真... 为有效开展汽车气动优化设计和主动流动控制技术,采用正交分解(Proper Orthogonal Decomposition,POD)技术分析汽车非定常流场中POD模态的物理意义,并利用重构技术建立汽车外流场瞬态简化模型.大涡模拟(Large Eddy Simulation,LES)仿真结果与实验结果的对比表明该仿真方法有效.POD分析结果表明:低阶模态主要对应分离泡的附着流动,包含流场中较高的能量;其他各个高阶模态含能相对较低,表征小尺度涡的作用.当保留前15阶POD模态时,通过重构技术可获得70%的原流场能量,得到的降阶模型可以较好地捕捉流动的特征. 展开更多

关键词 汽车 非定常流场 正交分解 大涡模拟 简化模型 Ahmedbody 流场重构 涡能量耗散

在线阅读 下载PDF 职称材料

基于卷积神经网络的三维流场重构研究 被引量：4

10

作者 李鑫 韩仁坤 +2 位作者 刘子扬 李立 陈刚 《航空计算技术》 2023年第5期11-14,19,共5页

三维流场的快速分析是工程应用领域最关心的内容。为了实现对三维非定常流场的降阶重构,提出了一种基于卷积神经网络和残差连接的U型架构降阶模型,通过对当前的流场快照进行多层次的特征提取,并通过解码器将多尺度特征进行融合,将其解... 三维流场的快速分析是工程应用领域最关心的内容。为了实现对三维非定常流场的降阶重构,提出了一种基于卷积神经网络和残差连接的U型架构降阶模型,通过对当前的流场快照进行多层次的特征提取,并通过解码器将多尺度特征进行融合,将其解码为未来时刻的流场数据。基于有限体积法求解Navier-Stokes方程得到的圆球绕流全阶流场快照作为真实的物理数据,评估降阶模型对三维典型流动的学习和推理能力。研究结果表明,增量预测结果与真实流场基本吻合,最大相对误差在0.2%以内,速度比数值模拟提升两个量级。所提出的降阶模型,实现了三维非定常流场快速重构的预期目标。 展开更多

关键词 卷积神经网络 特征提取 流场重构 降阶模型

在线阅读 下载PDF 职称材料

利用GS流场重构方法研究磁尾等离子体片涡流 被引量：6

11

作者 田安民 宗秋刚 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2009年第7期1675-1684,共10页

2000年9月30日Geotail卫星分别于1 7:54:36～18:09:00UT和18:59:00～19:30:00UT在磁尾晨侧等离子体片内(n≈0.4 cm^(-3) ,T≈6 keV)观测到等离子体涡流事件.本文采用Grad-Shafranov(GS)流场重构技术再现了这些涡流的二维速度场、离子数... 2000年9月30日Geotail卫星分别于1 7:54:36～18:09:00UT和18:59:00～19:30:00UT在磁尾晨侧等离子体片内(n≈0.4 cm^(-3) ,T≈6 keV)观测到等离子体涡流事件.本文采用Grad-Shafranov(GS)流场重构技术再现了这些涡流的二维速度场、离子数密度和离子温度的分布图像.结果显示:从地心太阳磁层坐标系(GSM)赤道面上面看,涡流的尺度约为5000 km×1400 km,朝地球的运动速度约为15～25 km/s.所有5个涡流的旋转方向都为顺时针方向,旋转周期约为6～11 min.相邻涡流的相互作用导致它们之间的磁场强度增强.考察观测数据发现,涡流内不仅包含等离子体片热等离子体成分,也包含较大通量的类似源自磁鞘的冷等离子体成分(T<1 keV).这与观测到涡流等离子体的平均温度(T≈4 keV)较磁尾等离子体片等离子体的典型温度(T≈6 keV)明显偏低的事实是一致的.不仅如此,离子数密度和温度在结构内的分布也不均匀,数密度在涡流内部偏离中心的位置比较低而在每个涡流的边缘位置比较高,温度的分布大体上与密度相反.分析认为观测到的磁尾等离子体涡流事件可能由发生在低纬边界层的Kelvin-Helmholtz不稳定性引起,涡流结构内的冷等离子体可能来自磁层顶外部的磁鞘. 展开更多

关键词 GS流场重构方法 等离子体片涡流 K—H不稳定性 低纬边界层(LLBL)

在线阅读 下载PDF 职称材料

串列双圆柱绕流的模态特征及流场重构 被引量：2

12

作者 杜晓庆 林芝强 吴葛菲 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2022年第10期49-57,共9页

为探讨不同间距下,串列双圆柱绕流场特征的内在变化规律,在低雷诺数Re=100下,针对间距比为P/D=1.1~5的串列双圆柱,通过动力学模态分解(dynamic mode decomposition,DMD)方法对其绕流场进行模态分解,并基于DMD的主导模态建立降阶模型,重... 为探讨不同间距下,串列双圆柱绕流场特征的内在变化规律,在低雷诺数Re=100下,针对间距比为P/D=1.1~5的串列双圆柱,通过动力学模态分解(dynamic mode decomposition,DMD)方法对其绕流场进行模态分解,并基于DMD的主导模态建立降阶模型,重构了串列双圆柱的涡量场。结果表明:串列双圆柱的3种流态,即单一钝体(P/D=1.1~2)、剪切层再附(P/D=3)和双涡脱流态(P/D=4~5),呈现明显不同的子模态特征;随着间距比的增大,与圆柱涡脱频率对应的模态结构会逐渐由下游圆柱尾流转移至上游圆柱尾流,此主模态表征了3种流态随间距比演变的内在机制;与单一钝体及剪切层再附流态相比,双涡脱流态的下游圆柱近尾流区的高阶模态结构更为复杂,流场重构时需要更多模态才能达到与其他两种流态相似的精度,在尾流旋涡影响区的重构误差最大。 展开更多

关键词 串列双圆柱 动力学模态分解 模态特征 流场重构 降阶模型

在线阅读 下载PDF 职称材料

基于动力学模态分解的空化水射流非定常流场演化分析

13

作者 陈德开 唐文献 +2 位作者 陆亚琳 曹秀清 周磊 《机床与液压》 北大核心 2024年第18期162-170,共9页

空化水射流具有流速高、湍流强等特点,其空化流动结构十分复杂。因此,准确、快速地从非定常流场的海量数据中提取关键信息,并分析空化水射流的流动特性十分必要。基于FBDCM模型对RNG模型的湍流黏度进行修正,并考虑剪切应力对空泡形成的... 空化水射流具有流速高、湍流强等特点,其空化流动结构十分复杂。因此,准确、快速地从非定常流场的海量数据中提取关键信息,并分析空化水射流的流动特性十分必要。基于FBDCM模型对RNG模型的湍流黏度进行修正,并考虑剪切应力对空泡形成的影响,对空化模型进行修正,与试验结果进行对比;采用动力学模态分解(DMD)方法对空化流场的空泡体积分数场进行模态分解。结果发现:1阶模态为平均流场,是流场的主要结构;2阶模态与空化云周期性脱落、溃灭的动力学行为有关;3、4阶模态表现出流场的高频行为;随着进口压力的增大,空泡脱落与溃灭的演变程度越来越剧烈,空泡尺寸与空穴长度逐渐增加,而2阶模态的频率逐渐降低,使得空化射流的流动周期变长。最后,将DMD重构流场与真实流场进行对比发现,随着进口压力的增加,DMD重构流场的误差增大,不过重构流场的最大误差仍低于1%,表明DMD方法能够准确地提取空化流场的流动特征。 展开更多

关键词 空化射流 数值计算 动力学模态分解 重构流场

在线阅读 下载PDF 职称材料

基于LSTM-POD的汽车湍流尾迹的高时间分辨速度场重构

14

作者 杨志刚 李俣静 +2 位作者 夏超 王梦佳 余磊 《汽车工程》 EI CSCD 北大核心 2024年第7期1302-1313,共12页

本文针对方背Ahmed汽车标模的湍流尾迹,建立基于长短时记忆法(long short-term memory,LSTM)和本征正交分解(proper orthogonal decomposition, POD)相结合的深度学习模型LSTM-POD。通过建立非时间分辨平面速度场POD模态系数和若干离散... 本文针对方背Ahmed汽车标模的湍流尾迹,建立基于长短时记忆法(long short-term memory,LSTM)和本征正交分解(proper orthogonal decomposition, POD)相结合的深度学习模型LSTM-POD。通过建立非时间分辨平面速度场POD模态系数和若干离散点的时间分辨速度信号的映射关系,实现了方背Ahmed汽车标模湍流尾迹流场的高时间分辨率重构,并对比了不同时间步长配置,即单时间步长(LSTM-Sin)和多时间步长(LSTM-Mul)对重构效果的影响。研究表明:LSTM-POD模型在时间序列重构中具有较强的学习和泛化能力。另外,LSTM-Mul考虑到了时间上的连续性和相关性,相较于LSTM-Sin,其重构出的低阶模态系数和速度场与POD的重构结果更吻合。本研究提出的深度学习模型可以缓解通过实验及高精度数值模拟获取高时间分辨率流场数据资源消耗大、计算效率低等问题。 展开更多

关键词 汽车湍流尾迹 深度学习 流场重构 本征正交分解 长短时记忆法

在线阅读 下载PDF 职称材料

卷积神经网络在流场重构研究中的进展 被引量：12

15

作者 陈皓 郭明明 +4 位作者 田野 陈尔达 邓雪 乐嘉陵 李林静 《力学学报》 EI CAS CSCD 北大核心 2022年第9期2343-2360,共18页

近年来,随着深度学习在图像处理、语音识别、自动驾驶、自然语言处理等领域迅速发展,该技术也被越来越广泛地应用于处理具有复杂非线性、高维度、大数据量等特点的流体力学方向.传统的方法无法有效地处理这些庞大的数据,深度学习因其具... 近年来,随着深度学习在图像处理、语音识别、自动驾驶、自然语言处理等领域迅速发展,该技术也被越来越广泛地应用于处理具有复杂非线性、高维度、大数据量等特点的流体力学方向.传统的方法无法有效地处理这些庞大的数据,深度学习因其具有强大的函数拟合能力,可以从大量的数据中挖掘有用的信息.当前,流体力学深度学习技术有了初步的一些研究成果,在流动信息特征提取、多源数据信息融合及流场的智能重构等方面具有重要的工程价值,其应用潜力逐渐得到证实.如何利用地面风洞试验、数值模拟及飞行试验获取的数据进行深入挖掘,快速智能感知及重构流场,可为主动流动控制提供重要指导.本文主要从深度学习不同类型的网络结构出发探讨了卷积神经网络在流场重构中的研究进展,文章首先介绍卷积神经网络的一些基本概念以及基本网络结构,之后简要介绍流场超分辨率重构网络、端到端的映射网络、长短期记忆网络的基本结构与理论,并详细归纳出他们的改进形式在流场重构领域的一系列研究进展与成果,最后对文章做出总结并探讨了流场重构深度学习技术所面临的挑战与展望. 展开更多

关键词 卷积神经网络 超分辨率 长短期记忆 流场重构

在线阅读 下载PDF 职称材料

粒子运动轨迹的图像处理及流场重构算法研究 被引量：5

16

作者 吴凡 周骛 蔡小舒 《实验流体力学》 EI CAS CSCD 北大核心 2019年第4期100-107,共8页

为了高效获得颗粒的速度分布,提出一种针对单帧单曝光图像的图像处理方法和流场重构方法。图像处理过程包含去噪、锐化、自适应阈值分割、闭运算、去除小颗粒、骨架提取、速度提取、二义性判断、求切线等步骤和方法,对该处理过程的主要... 为了高效获得颗粒的速度分布,提出一种针对单帧单曝光图像的图像处理方法和流场重构方法。图像处理过程包含去噪、锐化、自适应阈值分割、闭运算、去除小颗粒、骨架提取、速度提取、二义性判断、求切线等步骤和方法,对该处理过程的主要误差也进行了分析与修正。流场重构使用了基于RBF(Radial Basis Function)插值且采用迎风插值进行优化的算法,插值结果以速度云图及矢量图的形式展示,对该过程的主要误差也进行了分析与验证。最后的处理结果显示,针对单帧单曝光图像的图像处理方法和流场重构方法具有可行性。 展开更多

关键词 单帧单曝光 多帧连续曝光 骨架提取 轨迹处理 流场重构

在线阅读 下载PDF 职称材料

地浸采铀工艺中电潜泵内流场数值模拟研究

17

作者 张翀 贾皓 +4 位作者 朱建军 李沁慈 张晓程 李学忠 余卓华 《湿法冶金》 CAS 北大核心 2024年第3期333-340,共8页

电潜泵是我国地浸采铀工艺中实现浸出液有效提升的主要装备,但目前针对介质举升状态下电潜泵水力部件内部流场作用机制的研究较少。试验以叶轮-导叶内部结构为研究对象,应用CFD方法对介质流动特性开展非定常分析,研究了叶轮和叶轮出口... 电潜泵是我国地浸采铀工艺中实现浸出液有效提升的主要装备,但目前针对介质举升状态下电潜泵水力部件内部流场作用机制的研究较少。试验以叶轮-导叶内部结构为研究对象,应用CFD方法对介质流动特性开展非定常分析,研究了叶轮和叶轮出口段内部的压力脉动变化规律,并利用瞬态流场数据对叶轮截面压力流场进行动模态分解(DMD)与压力流场重构,揭示了介质举升状态下由动静干涉引起的压力脉动周期性变化规律与动静部件距离对动静干涉强度的影响规律。结果表明,叶片通过频率值与快速傅里叶变换(FFT)频率值基本一致。试验结果可对减少由压力脉动引发的泵体无效震动、优化电潜泵水力部件结构参数和提升系统效率提供一定理论参考。 展开更多

关键词 地浸采铀 电潜泵 动模态分解 流场重构 数据分析

在线阅读 下载PDF 职称材料

动力学模态分解方法重构及预测流场误差分析 被引量：3

18

作者 孙国勇 董加新 +1 位作者 赵志高 王玉川 《江苏大学学报（自然科学版）》 EI CAS 北大核心 2021年第2期145-152,共8页

利用动力学模态分解(dynamic mode decomposition,DMD)方法可以实现非定常流场的分解、重构和预测,但该方法重构和预测流场的误差需要给出定量分析.鉴于此,提出了定量描述动力学模态分解重构和预测流场的误差分析方法,以雷诺数Re=80的... 利用动力学模态分解(dynamic mode decomposition,DMD)方法可以实现非定常流场的分解、重构和预测,但该方法重构和预测流场的误差需要给出定量分析.鉴于此,提出了定量描述动力学模态分解重构和预测流场的误差分析方法,以雷诺数Re=80的圆柱绕流二维流场数值模拟结果为例,研究了非线性流动和周期性流场重构和预测误差的动态变化情况.结果表明:依据能量大小确定的模态反映了流场的主要相干结构;低频、低增长/衰减率和大尺度的相干结构能量占比大,对流场的影响较大;DMD方法可以准确重构非线性和周期性变化流场,重构的误差小于10^-10,预测流场的误差较重构流场出现跳跃增大现象;DMD方法预测非线性变化流场的误差在样本时间区间内较小(小于10^-3),超出样本区间误差的发展急剧增大,变化情况依赖于数据样本;预测周期性流场的误差稳定在10^-4左右. 展开更多

关键词 圆柱绕流 动力学模态分解 模态能量 流场重构与预测 误差分析

在线阅读 下载PDF 职称材料

基于深度学习的二维翼型流场重构技术研究 被引量：2

19

作者 曹晓峰 李鸿岩 +2 位作者 郭承鹏 王强 马海 《航空科学技术》 2022年第7期106-112,共7页

基于深度学习方法的二维翼型流场重构能够克服传统风洞试验和计算流体力学模拟的缺点,在提高计算速度的同时保证计算精度。提出的深度学习方法通过模拟RANS方程对速度、压力和密度分布进行预测,最优模型可以达到平均压力、速度、密度误... 基于深度学习方法的二维翼型流场重构能够克服传统风洞试验和计算流体力学模拟的缺点,在提高计算速度的同时保证计算精度。提出的深度学习方法通过模拟RANS方程对速度、压力和密度分布进行预测,最优模型可以达到平均压力、速度、密度误差为5%。该方法的单个算例计算时间约为1s,计算耗时约为常规求解器的0.66%。同时也验证了数据集大小对解的准确性的影响,随着数据集样本数目增大,解的准确性也逐步提高。为深度学习方法在计算流体力学中提供一个现实的二维流场预测应用场景,探讨了深度神经网络方法与气动领域相关问题的匹配度,后续将进一步通过精细化的几何外形表达与无损失的标签提取方法提高深度神经网络方法计算的可用性。 展开更多

关键词 深度学习 流场重构 翼型 RANS U-Net

在线阅读 下载PDF 职称材料

基于压缩感知的高频响流场重构方法及其应用 被引量：1

20

作者 陈子玉 周楷文 +1 位作者 刘应征 温新 《空气动力学学报》 CSCD 北大核心 2022年第1期26-32,共7页

粒子图像测速(PIV)方法具有高空间分辨率的优势,但是往往受到采样频率的限制(一般在15 Hz以下),难以完成高频响测量。压缩感知(CS)能够基于稀疏采样数据获得高频信息,但如果直接应用于所有的数据点则计算量过大。基于亚采样(sub-Nyquist... 粒子图像测速(PIV)方法具有高空间分辨率的优势,但是往往受到采样频率的限制(一般在15 Hz以下),难以完成高频响测量。压缩感知(CS)能够基于稀疏采样数据获得高频信息,但如果直接应用于所有的数据点则计算量过大。基于亚采样(sub-Nyquist)PIV数据,本文提出了基于压缩感知和本征正交分解(POD)的高频响流场重构方法。首先采用POD对数据降维,同时获取空间模态和相应的亚采样时间系数,将亚采样时间系数作为观测值,选取适当的稀疏基,通过求解基追踪问题来计算高频响的模态系数。结合空间模态和所得到的时间分辨模态系数,可以重构高频响的非定常流场。利用该方法分别对周期性的振荡器流场和非周期性的不同直径圆柱流场进行重构,检测该方法的适应性。结果表明,压缩感知方法无需侵入式的辅助测量,可以为周期性流场提供准确的重构,重构误差低于3%,而对于非周期性复杂流场,则出现较大的高频噪声。因此,本文所提出的方法可以应用到周期性流场中以提高测量数据的时间分辨率。 展开更多

关键词 粒子图像测速 本征正交分解 压缩感知 流场重构 亚采样

在线阅读 下载PDF 职称材料