XiaoMi-AI文件搜索系统
World File Search System湍流
应变率和耗散速率的湍流预热火焰中的耗散速率的演变
使用直接的数值模拟统计平面的湍流过滤量，分析了应变速率张量和热功能的耗散速率的成分的统计行为。HESSIAN的压力贡献以及组合的分子扩散和耗散项被发现在对角应变率成分的传输方程中起主要作用，并且具有小karlovitz数量的峰值动能的热能能量耗散速率。相比之下，领先顺序平衡在应变速率，涡度和分子耗散贡献之间保持较大的卡洛维茨数量，类似于非反应的湍流。与分子耗散贡献的幅度相比，压力和密度梯度之间的相关性以及压力梯度之间的相关性和压力HESSIAN在应变速率和耗散速率上弱化，而Karlovitz数量增加。这些行为已经用涡度，压力梯度和与应变率特征的压力HESSIAN特征向量的对齐方式进行了解释。还发现，在较高的karlovitz数字的增加时，还发现术语术语中的术语大小会增加，这是随着karlovitz数量的增加而增加的，这在详细的扩展分析的帮助下进行了解释。此扩展分析还解释了不同燃烧方案动能耗散率的主要顺序贡献。
本背景说明介绍了 SESAR 解决方案 PJ.02-01-06“基于静态飞机特性的尾流湍流分离（用于离场）”，并总结了为实现该解决方案而开展的研发活动所取得的成果。它（向 SESAR 计划的外部和内部人员）概述了 PJ.02-01-06 的范围、主要运营和性能优势、相关系统影响，并推荐了应在工业化阶段或作为部署一部分开展的其他活动。
RTS3a：在混合跑道运行下，使用优化跑道交付（ORD）工具评估进场静态成对分离（S-PWS-A）加上使用优化分离交付（OSD）工具评估离场静态成对分离（S-PWS-D）的验证； RTS4a：在混合跑道运行下，使用优化分离交付（OSD）工具评估进场静态成对分离（S-PWS-D）的验证； RTS4b：在隔离和部分隔离跑道运行下，在使用 CSPR 的双重进近环境中，使用优化分离交付（OSD）工具评估进场静态成对分离（S-PWS-A）加上使用优化分离交付（OSD）工具评估离场静态成对分离（S-PWS-D）的验证； RTS5：验证离场静态成对分离间隔（S-PWS-D）和离场天气相关分离间隔（WDS-D），及其与隔离模式下单跑道离场优化分离交付（OSD）工具的集成（伦敦希思罗机场）； RTS6：验证离场基于静态飞机特性的尾流湍流分离（S-PWS-D），及其与离场优化分离交付（OSD）工具和到达进场天气相关分离（WDS-A）的集成，及其与到达分离交付工具的集成。
SESAR 解决方案 PJ.02-01-06“基于飞机静态特性的尾流湍流分离（用于离港）”上下文说明（V3）
完善指导、安全案例和支持静态成对离港分离矩阵监管的材料。根据交通组合和成对矩阵中新飞机类型的纳入情况，制定（即监管和相关安全案例）基于更多类别或不同类别的精细分离最小值方法，以更适合当地机场环境。支持监管部门批准的安全证据、进一步增加效益的细化以及允许促进与可选监管推动因素相对应的部署的整合
湍流边界层的气动光学畸变
四个直接数值模拟 (DNS) 数据集涵盖了 8 至 14 的有效自由流马赫数，用于研究高超音速边界层中湍流引起的气动光学畸变行为。数据集包括两个来自平板边界层（马赫数 8 和 14）的模拟数据集和两个来自尖锥流（马赫数 8 和 14）的模拟数据集。来自每个 DNS 的瞬时三维密度场被转换为折射率并进行积分以产生由湍流引起的光程差 (OPD) 分布。然后将这些值与文献中的实验数据和现有的 OPD 均方根模型进行比较。虽然该模型最初是为马赫数 ≤ 5 的流动开发的，但它为我们比较高超音速数据提供了基础。
快速和慢速太阳风中各向异性湍流的演变：理论和太阳轨道器测量
目的。太阳轨道器 (SolO) 于 2020 年 2 月 9 日发射，使我们能够研究内日球层湍流的性质。我们使用几乎不可压缩磁流体动力学 (NI MHD) 湍流模型和 SolO 测量研究了内日球层快速和慢速太阳风中各向异性湍流的演变。方法。我们计算了前向和后向传播模式下能量、波动磁能、波动动能、归一化残余能量和归一化交叉螺旋度的二维 (2D) 和平板方差，作为平均太阳风速度和平均磁场 (θ UB ) 之间角度的函数，以及作为日心距离的函数，使用 SolO 测量。我们比较了观测结果和 NI MHD 湍流模型的理论结果与日心距离的关系。结果。结果表明，前向和后向传播模式、磁场涨落和动能涨落的二维能量与平板能量之比随着平均太阳风流与平均磁场之间的夹角从 θ UB = 0 ◦ 增加到大约 θ UB = 90 ◦ 而增加，然后随着 θ UB → 180 ◦ 而减小。我们发现太阳风湍流是太阳中心距离函数中占主导地位的二维分量和少数平板分量的叠加。我们发现理论结果与观测结果在太阳中心距离函数中具有很好的一致性。
飞机对地面剖面测量：湍流测量和光学系统性能建模
一系列飞行试验展示出一种测量空对地倾斜路径上路径分辨光学湍流量（如 C 2 n）的新方法。本文介绍了数据采集试验，试验涉及两束激光束在 8 公里倾斜路径上在一个轨道空中平台和一个静止地面终端之间传播。地面和飞行中的测量数据同时收集，并使用差分倾斜方差 (DDTV) 技术计算 C 2 n 剖面。本文介绍了 DDTV 技术，该技术能够对湍流强度进行路径分辨测量，从而得到 C 2 n 剖面。得到的湍流剖面揭示了最靠近飞机的统计数据中被认为是来自飞机边界层的气动光学污染。因此，气动光学环境的污染可以相对于其余大气传播路径进行量化。最后，本文介绍了将测量的大气湍流剖面与最先进的大气模型进行比较的分析。这些分析超越了 C 2 n 比较，并展示了测量与建模在关键定向能系统传播参数方面的比较，例如格林伍德频率、相干直径、里托夫数、等晕角、泰勒频率、开环抖动和开环斯特列尔比。在空对地和地对空定向能系统的背景下分析了斜路径湍流。
COTUR 项目：海上湍流遥感技术在风能应用方面的应用
摘要。本文介绍了 COTUR（使用激光雷达测量湍流相干性）活动期间的测量策略和收集的数据集。该现场试验于 2019 年 2 月至 2020 年 4 月在挪威西南海岸进行。相干性量化了涡流的空间相关性，在海洋大气边界层中鲜为人知。这项研究的动机是需要更好地表征横向相干性，横向相干性部分决定了多兆瓦海上风力涡轮机的动态风荷载。在 COTUR 活动期间，使用陆基遥感技术研究了相干性。仪器设置包括三个远程扫描多普勒风激光雷达、一个多普勒风激光雷达剖面仪和一个被动微波辐射计。 WindScanner 软件和 LidarPlanner 软件同时用于将三个扫描头定位到由激光雷达风廓线仪提供的平均风向。辐射计仪器通过提供大气边界层中的温度和湿度廓线来补充这些测量。扫描光束略微向上指向以记录表面层内和表面层上方的湍流特性，从而进一步了解表面层缩放在模拟海上风力涡轮机湍流风荷载方面的适用性。初步结果显示横向相干性随扫描距离的变化有限。横向相干性的略微增加
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
使用动态范围的雷利信标系统进行大气湍流
湍流对远程成像系统的影响表现为图像模糊效应，通常由系统中存在的相畸变量化。可以想象，根据传播体积内的大气湍流强度，可以理解模糊效果。获得湍流强度曲线的一种方法是使用动态范围的雷利信标系统，该系统利用沿策略性的信标沿着传播路径的范围进行了差异，从而有效地推导了影响光学成像系统的模糊畸变的特定路径段贡献的估计。已经设计了一种利用此技术的系统，并且已经构建了用于测试的原型。该系统被称为TARDIS，该系统代表湍流和气溶胶研究动态询问系统。TARDIS是一种光学传感系统，基于在相对不变的湍流诱导的波前扰动的静态时期内动态更改收集传感器和瑞利信标之间的范围。一种概念收集的场景由信标组成，在该信标中，基于激光脉冲和摄像头快门速度，空气分子和气溶胶颗粒反向散射图像在不同距离捕获的距离。获得基于TARDIS的湍流强度曲线的基于测量的估计是基于整理分段的折射率结构参数，𝐶𝐶2，值为大气的特定层。这些𝐶𝐶𝐶𝐶𝑛𝑛𝑠𝑠𝑠𝑠𝑠𝑠2值是从炸参数段（0𝑖𝑖）中发展出来的，这些值是从Shack-Hartmann波前传感器上的相邻测量值中推导的。从传感系统收集光圈上存在的相位方差的平均值估计炸参数的单个值。跨孔的估计相方差的平均值是由从Shack-Hartmann波前传感器测得的梯度重建的区域倾斜砖中构建的。本文提供了理解大气湍流的基础理论，提供了当前可用的湍流估计技术的参考，并提供了针对TARDIS的细节，层析成像湍流估计方法以及收集概念数据的初始证明的分析。这项研究提供了一种新颖的手段，用于量化大气湍流的强度特征。利用概述的方法，使用了扰动波前的直接测量，这与估计湍流强度曲线的其他方式有不同。由于这种差异，可以使用动态范围的信标来产生湍流概况估计值，以增加对其他方法的置信度，或用作不容易受到相同误差源影响的独立测量技术。此外，由于该技术利用了波前的直接测量，因此可以想象，这可以与用于图像校正的自适应光学系统相关。