摘要：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。

摘要：基于分布式电推进飞行器创新性发展理念,以螺旋桨滑流耦合下机翼气动效率最优为目标开展螺旋桨诱导流场重构设计研究。首先,通过构建基于动量源方法的准定常数值模拟技术,建立了螺旋桨桨盘载荷分布与诱导流场特性之间的联系;然后,基于对螺旋桨桨盘气动载荷分布曲线的参数化控制,提出了螺旋桨诱导流场重构优化设计思想及设计方法;最后,通过相关设计结果的对比分析验证了所提出螺旋桨诱导流场重构设计思想及设计方法的有效性和可靠性。结果表明:与等拉力最小诱导损失螺旋桨相比较,基于所提出诱导流场重构设计思想设计得到的螺旋桨最优气动载荷分布耦合下的机翼气动效率得到显著改善,在本文设计状态下,机翼翼段计算升力相对提高10.40%,计算阻力相对降低7.05%,计算升阻比相对增大18.77%。

摘要：近年来受大风天气影响,树倒墙塌、高空坠物、广告牌散落等情况时有发生,严重影响社区居民安全,迫切需要识别出大风天气下社区内重点危险区域并加以防范。该文以北京市石景山区某社区风场为例进行场景建模,利用数值模拟与机器学习寻找社区特征点,完成特征点风速数据到风场数据的预测。以10个特征点数据预测6 681个点的风场数据为例,基于7 917个训练风场、 2 026个测试风场的模型训练测试结果表明:东西方向1 m/s以上速度的预测值平均相对误差为5.8%,南北方向1 m/s以上速度的预测值平均相对误差为6.2%。采用该方法可以快速获得满足精度要求的社区背景风场以指导社区风险防范、应急决策与救援,对于保障社区安全具有重要意义。

摘要：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.

摘要：获得桥面的高分辨率时变流场对研究桥梁风致问题尤为关键,然而受传感器布设与测量方法等因素制约,难以通过试验直接测得高空间分辨率的流场数据。机器学习是流场表征的有效手段,但是数据驱动的训练方法在已知样本较少时难以获得准确的模型。针对此问题,引入流场时程的人工神经网络方法,使用流体控制方程辅助模型训练,通过增加未知测点处的方程约束提高模型的精度,得到了考虑物理约束的桥面风场时程的机器学习重构模型。以低雷诺数桥面绕流为例,实现了基于稀疏已知测点时程数据的模型训练,得到了较好的效果。结果表明:通过引入未知测点处的控制方程约束,可在较少已知时程数据的情况下,获得更准确的桥面风场重构模型,为人工智能方法在风场实测时程数据中的应用提供了基础。

摘要：为有效降低使用计算流体力学(CFD)方法的设计成本和周期,降阶模型(ROM)得到广泛关注。对于复杂的可压缩流动,使用本征正交分解(POD)等线性方法进行流场降维,需要大量模态才能保证流场重建的精度,采用非线性降维方法能够有效减少所需模态数。卷积自编码器(CAE)是一种由编码器和解码器组成的神经网络,能够实现数据降维和重构,可看作是POD方法的非线性拓展。采用CAE进行流场数据的非线性降维,同时使用长短期记忆(LSTM)神经网络进行流场状态的时间演化。对于不可压缩问题,使用自编码器和LSTM结合进行流场重构的方法已有较多研究,选择一维Sod激波管、Shu-Osher问题、二维黎曼问题和开尔文-亥姆霍兹不稳定性算例,测试该ROM对非定常可压缩流动的有效性,同时基于POD方法,在不同模态数下构造Sod激波管和黎曼问题的ROM作为对比。结果表明:对于非定常可压缩流动,CAE-LSTM方法能够在使用较少自由变量数的前提下获得较高的重构和预测精度。

摘要：基于特征正交分解(Proper Orthogonal Decomposition,POD)方法中模态的思想,利用特征正交分解基,通过改变马赫数或迎角来得到相应的流场快照,对流场参数进行重构,基于快照范围内可以得到高精度的重构流场结果。以NACA0012翼型和RAE2822翼型为研究对象,采用POD方法对流场参数进行了重构。验证结果表明,POD方法能高效而精确地重构所需状态下的二维流场参数,并具有一定的外插能力。该方法为数值风洞、流动控制及翼型设计研究提供了理论基础。

摘要：针对风洞试验二维速度流场,构建了正交分解与流场重构的数学模型。通过对鼓包背风面PIV瞬时速度流场进行分解,发现阶数越低的模态对原始流场的能量贡献率越大,代表了流场中的低频、大尺度流动结构;反之,阶数越高的模态对原始流场的能量贡献率越小,代表了流场中的高频、小尺度流场结构等信息。通过对流场进行低维重构,发现前4阶重构流场几乎不受一些小尺度旋涡的影响,很清晰地显示了流场的主要结构。