科研之友
微信
新浪微博
Facebook
分享链接
摘要
机翼周围的流动状态直接影响其受力特性，流动特征的识别与分析对保证机翼的气动力尤为关键。基于空间流场参数的流动特征识别，其结果受主观阈值影响大；基于模态分解及数据驱动的模型降阶方法极大降低了复杂系统的分析难度，然而流场快照数据的时间维度分辨率低，导致难以实现瞬态过程的分析，且在实验中进行大范围的流场快照测量难度大，导致方法的实用性受限。本文提出了基于流场时程数据的无监督自动编码流动特征识别方法，采用深度学习技术充分挖掘时程信号中的隐含的流动特征，实现了基于空间点数据的流场复杂时间特征的提取与低维表征。通过对NACA0012翼型的流场进行特征提取与分析，验证了方法所获得流动特征低维表征的准确性，并实现了基于流场时程数据的流动分离区的自动识别。本文可为相关流场特征提取、特征分析和特征表征等问题的研究提供新的方法与参考。
- 单位
