基于Gappy POD的流场数据填补方法 |
| |
作者姓名: | 李静 张伟伟 |
| |
作者单位: | 中国航天空气动力技术研究院,北京100074;西北工业大学翼型叶栅空气动力学国家重点实验室,陕西西安710072 |
| |
摘 要: | 本征正交分解方法(proper orthogonal decomposition,POD)是一种数据驱动的流场特征信息提取技术,可以按能量大小给出流场的结构模态,并且可以通过较少阶模态叠加获得高阶数据的近似描述.将该方法结合一组线性方程,即构成Gappy POD方法,可实现对缺失流场的重构.论文从样本数据已知和样本数据不完全已知两种情况展开,对Gappy POD方法在缺失流场数据填补方面的应用进行了研究.首先,对于样本数据已知的情况,研究了样本参数范围内任意参数值下的重构能力;其次,对于样本数据不完全已知的情况,研究了模态阶数、缺失率以及样本数对缺失流场重构精度的影响规律.结果表明,Gappy POD方法可以高效再现参数范围内的任意完整流场数据.但是,对于缺失率较高的样本集,需要适当增加样本数以提高重构精度.
|
关 键 词: | 数据驱动 Gappy POD 流场重构 非定常流动 POD |
收稿时间: | 2019-07-18 |
Gappy Proper Orthogonal Decomposition for Flow Data Reconstruction |
| |
Authors: | LI Jing ZHANG Wei-wei |
| |
Affiliation: | 1.China Academy of Aerospace Aerodynamics, Beijing 100074, China2.National Key Laboratory of Science and Technology on Aerodynamic Design and Research, Northwestern Polytechnical University, Xi'an 710072, China |
| |
Abstract: | |
| |
Keywords: | data-driven Gappy proper orthogonal decomposition reconstruction unsteady flow proper orthogonal decomposition |
本文献已被 维普 万方数据 等数据库收录! |
| 点击此处可从《》浏览原始摘要信息 |
|
点击此处可从《》下载全文 |
|