自动编码解码器和本征正交分解在倾斜圆盘绕流尾流场中的应用

本征正交分解(Proper Orthogonal Decomposition, POD）是一种传统降维模型,在流体力学中广泛应用。在流场分析中,POD把高维流场数据降维,映射到低维的正交基模态空间,从而分析出流场的主要特征及其对应的基模态系数。随着深度学习的发展,运用卷积神经网络(convolutional neural network, CNN）自动编码解码器在数据降维方面具有的固有优势,可以作为一种降维方法应用在流场降维与数据处理方面。该文以三维倾斜圆盘绕流尾流场中的典型二维截面为例,将圆盘后速度场作为研究对象,分别使用POD和自动编码解码器对流场进行特征提取,并比较了两种方法的优缺点。     

基于正交多项式分解的水轮机竖向动荷载识别

针对水轮发电机组竖向水力振动荷载的复杂性及其通过轴承机架等传递至下机架基础等部位的不明确性,提出了基于正交多项式分解的水力机组动荷载时域识别方法,该方法具有所需测点信息少,识别速度快,避免多次重复正分析试算等优点。同时针对该方法中由模态荷载通过杜哈梅积分得到模态位移的过程中,杜哈梅积分具有时间累积误差的问题,提出了利用正交多项式的正交性质及位移与速度、加速度的导数关系,建立各阶模态位移和模态荷载的关系式,避免了杜哈梅积分计算,提高了计算效率和精度。算例表明,该方法可以有效、方便地识别任意形式时变动荷载。     

三维动边界破开算子法不恒定流模拟研究

本文以静水压强假定下的大尺度三维水流方程为基础，对微分方程采用混合破开算子法求解，并引入了透水介质法处理动水边界、自由水面边界和床底边界，将动边界问题转化为定边界问题求解，对大尺度水体中的恒定与非恒定流动进行了成功的模拟计算。