Mar, 2019

流体流动的模态分析：应用和展望

PDF
TL;DR本文介绍了模态分析技术在研究、建模和控制典型空气动力学流体中的应用。通过选取四个基本实例，展示了模态分析技术如何以互补方式提供物理洞见。另外，针对数据科学的快速发展，对模态分析技术的展望也作了简要讨论。
modal analysis techniquesaerodynamic flowsphysical insightsdata scienceapplications
发现论文，激发创造
  • 流体流动的模态分析：概述

    本研究论文介绍实现流体动力学中基于模态分解的分析方法，其中包括 Proper Orthogonal Decomposition（POD）和 Dynamic Mode Decomposition (DMD) 等关键词。

    Feb, 2017

  • 探索利用模态分解的混合方法比全深度学习模型更有效的流体动力学预测

    本研究通过应用时间序列预测到流体动力学问题中，测试了基于深度学习的三种自回归模型，其中一个是与深度学习相结合的混合模型。研究发现，混合模型在具有湍流特性的实验数据中产生更可靠的预测，因为它借助模态分解从物理学角度提取了物理特征，从而实现了对流体动力学的预测。

    Apr, 2024

  • 非定常流体流动的深度动力学建模和控制

    通过 CFD 数据直接学习气流在圆柱上的强迫和自由动力学的方法，基于 Koopman 理论，使用模型预测控制产生了稳定的动态模型，寻找了一个简单易懂的控制策略来抑制圆柱尾流中的涡 shedding。

    May, 2018

  • 壳模型湍流模拟的自动耗散控制

    通过使用 Gledzer-Ohkitani-Yamada (GOY) shell 模型的强烈简化表示，我们构建了一个小尺度湍流模型进行研究，重点探讨了机器学习与物理学的相结合，以及在将机器学习与微分方程相结合时存在的问题。

    Jan, 2022

  • 基于 Morse 理论的模态聚类新方法：簇和水流

    本文旨在通过为最理想的种群聚类提供一个明确的公式来深入探讨通常的非参数聚类方法的理论基础，该方法将聚类视为高密度区域。

    Dec, 2012

  • 几何多尺度分析的新兴应用

    基于小波的经典多尺度分析在数据压缩、快速算法和噪声去除方面具有许多成功的应用；然而小波仅适用于点奇异性，而许多多变量现象表现出中间维奇异性，如边、丝和板等，因此在高维情况下，小波在某些应用中应被中间维奇异性适应的多尺度分析所取代。本文描述了几种在这方向上的初始尝试，特别是讨论了基于拟 parabolic 膨胀的方向小波变换和通过各向异带分析的两种几何多尺度分析方法；令人惊讶的是，这些工具在数据压缩、逆问题、噪声去除和信号检测等方面具有潜在的应用价值，应用数学家、统计学家和工程师都在热情地追求这些方向。

    Dec, 2002

  • 基于图神经网络的空气流模拟元学习

    本文提出了一种元学习方法，通过使用模型无关的元学习器，能够在仅处理少量特定任务的数据的情况下，提高通过机器学习方法解决计算流体动力学中复杂偏微分方程的模型在未知样本上的表现，同时保持效率。

    Jun, 2023

  • 基于模态集的估计方法及其在聚类中的应用

    本研究提出了一种新的方法，可以在良好的分布条件下估计任何密度函数的局部极大值，并可以估计所有这些局部极大值或模态集，适用于任何有界形状或维度，包括通常的点模式，并在聚类应用中表现出竞争力，并且在调整参数的范围内具有相当稳定性。

    Jun, 2016

  • 数据时代下的湍流模型

    本研究回顾了在边界层流领域，纳维尔 - 斯托克斯 (Navier-Stokes) 方程的雷诺平均数 (RANS) 模型中，使用实验数据和直接数值模拟数据进行误差边界估计的研究。具体而言，研究探索了通过物理约束来约束 RANS 模型中的误差幅度，采用统计推断来表征模型系数，估算误差，并使用机器学习来优化流体力学的领域。研究结果表明，通过利用湍流建模和物理约束的基础知识，可以实现基于数据的流体力学预测模型的建立。

    Mar, 2018

  • 可微湍流 II

    利用可微流体模拟器和深度学习模型，开发了一种将深度学习模型整合到通用有限元数值方案中以求解 Naiver-Stokes 方程的框架，进而实现对子网尺度闭包的学习，该方法在流过倒角阶梯的多个实现中展示了与传统的大涡模拟相当的准确性，并且在相当于 10 倍速度提升的更细网格上进行测试。

    Jul, 2023