XiaoMi-AI文件搜索系统
World File Search System雷诺数
使用基于傅立叶神经操作员的机器学习策略对湍流通道流的预测
在科学和工程场中，快速准确的湍流预测非常重要。在本文中，我们研究了隐式U-NET增强的傅立叶神经操作员（IUFNO），以稳定地预测三维（3D）湍流流的长期动力学。训练有素的IUFNO模型在三个摩擦雷诺数的粗网格的大涡模拟（LES）中进行了测试：re τ≈180、395和590。所采用的近壁网格比壁溶解的LES的一般要求更明显。与原始的傅立叶神经操作员（FNO），隐式FNO（IFNO）和U-NET增强的FNO（UFNO）相比，IUFNO模型具有更好的长期预测能力。数值实验表明，IUFNO框架在预测各种流量统计统计和结构的预测中，超过了传统的动态Smagorinsky模型和壁适应的本地涡流粘度模型，包括平均值和功能，包括均值和流动性速度，概率密度的功能（PDFS）和关节功能（pdfs）和关节效率。 pro文件，动能谱和Q标准（涡旋结构）。同时，训练有素的IUFNO模型在计算上比传统的LES模型快得多。因此，IUFNO模型是快速预测壁构成的湍流的有希望的方法。
基于动态-feature的深度增强学习学习 -
本研究提出了一种自学习算法，用于闭环缸唤醒控制，靶向较低的阻力和较低的升力弹力，并带有稀疏传感器信息的额外挑战，以深度加固学习（DRL）为起点。通过将传感器信号提升为动态特征（DFS），DRL性能可显着改善，该功能可以预测未来的流量状态。所得的基于DF的DRL（DF-DRL）自动在没有动态模型的情况下在工厂中学习反馈控制。结果表明，DF-DRL模型的阻力系数比基于直接传感器反馈的香草模型低25％。更重要的是，DF-DRL仅使用一个表面压力传感器，可以将阻力系数降低到雷诺数（RE）= 100时的最先进性能，并显着减轻了提升系数。因此，DF-DRL允许在不降低控制性能的情况下部署流量的稀疏感应。该方法在更复杂的流动场景下还表现出强大的鲁棒性感染，在RE = 500和1000时分别将阻力系数分别降低了32.2％和46.55％。此外，在三维湍流中，拖动系数在RE = 10 000的三维湍流中降低了28.6％。由于表面压力信息在现实情况下比流速信息更为直接，因此本研究为
低阻力艾哈迈德体的人工智能控制......
本研究提出了一种机器学习或人工智能 (AI) 控制低阻力 Ahmed 体的方法，其后倾角 ϕ = 35°，旨在找到有效减阻 (DR) 的策略。根据机身横截面积的平方根，所研究的雷诺数 Re 为 1.7 × 10 5。控制系统包括五个独立操作的稳定微喷射阵列，沿后窗和垂直底座的边缘吹出，车身尾部的二十六个压力抽头，以及一个基于蚁群算法的控制器，用于无监督学习近乎最优的控制律。成本函数的设计同时考虑了 DR 和控制功率输入。AI 控制的学习过程发现强迫产生高达 18 % 的 DR，相当于阻力系数降低 0.06，大大超过了之前报道的这种机身的任何 DR。此外，发现的强迫因素可能提供替代解决方案，即在 DR 略微牺牲的情况下大幅提高控制效率。在有控制和无控制的情况下进行的大量流量测量表明，车身周围的流动结构发生了显著变化，例如后窗上的流动分离、再循环气泡和 C 柱涡流，这些都与窗户和底座上的压力上升有关。揭示了 DR 的物理机制，以及在最佳控制或最大 DR 下改变的流动结构的概念模型。进一步将该机制与最高控制效率下的机制进行了比较。
探空气球上升建模：推导……
摘要。提出了一种新模型，以描述对流层和较低平流层中声音气球的上升（高度约为30–35 km）。与以前的模型相反，详细说明了拖动系数的变化，并且气球和大气之间的热量不平衡。为了补偿缺乏声音气球的阻力系数的数据，对拖动系数和雷诺数之间关系的参考曲线是从Lindenberg上空空气方法相互比较（Luami）竞选期间启动的流量数据集中得出的。通过溶解气球内的径向热扩散方程来解释从周围空气中的热量转移到气球中。在目前的状态下，该模型不考虑太阳能电源，即只能描述夜间气球的上升。但是，它也可以改编成代表白天的声音，其太阳辐射将其模型为扩散过程。该模型的潜在应用包括声音气球轨迹的预测，可用于提高匹配技术的准确性以及空气垂直速度的推导。通过在模型中从实际提升速率中计算出的静态空气中的气球的上升速率来获得latter。该技术可提供垂直空气运动的近似值，在对流层中的不确定性误差为0.5 m s -1，在平流层中为0.2 m s -1。提供了空气垂直速度的提取
中层大气中的湍流参数 - AMS 期刊
摘要：我们对大气流动的分层湍流和小尺度湍流状态进行了尺度分析，重点关注中间层。我们区分了旋转分层宏观湍流 (SMT)、分层湍流 (ST) 和小尺度各向同性 Kolmogorov 湍流 (KT)，并指定了这些状态的长度和时间尺度以及特征速度。结果表明，浮力尺度 (L b ) 和 Ozmidov 尺度 (L o ) 是描述从 SMT 到 KT 的转变的主要参数。我们采用浮力雷诺数和水平弗劳德数来表征中间层的 ST 和 KT。该理论应用于高分辨率大气环流模型的模拟结果，该模型采用 Smagorinsky 型湍流扩散方案进行亚网格尺度参数化。该模型使我们能够推导出 KT 状态下的湍流均方根 (rms) 速度。我们发现湍流 RMS 速度在夏季有一个最大值，在冬季有两个最大值。冬季 MLT 中的第二个最大值与二次重力波破碎现象有关。该模型的湍流 rms 速度结果与基于 MF 雷达测量的完全相关分析非常吻合。提出了一种基于中尺度直接能量级联思想的中尺度水平速度新尺度。后者对中尺度和小尺度特征速度的发现支持了本研究提出的观点，即中尺度和小尺度中间层动力学在统计平均值上受 SMT、ST 和 KT 控制。
纵向飞行动力学建模和稳定性... - eucass
可折叠机翼扑翼飞行器（FWA）是一种通过模仿昆虫、鸟类或蝙蝠等折叠机翼上下扇动来产生升力和推力的飞行器。近年来，仿生扑翼飞行器的研究日益增多，提出了多种结构形式的扑翼飞行器。扑翼飞行器的飞行环境与鸟类或大型昆虫相似，如低雷诺数的流体动力学和非定常气动[1,2] 。扑翼飞行器在飞行过程中，其运动学模型通常具有颤动、摆动、扭转和伸展4个自由度[3] 。Thielicke [4] 研究了不同弯度和厚度的鸟类臂翼和手翼在慢速飞行过程中的气动特性。仿生飞行器传统运动学模型仅考虑了颤振和扭转两个自由度。本文在传统飞行器运动学模型的基础上，增加了平面内折叠和非平面折叠两个自由度。本文四自由度运动学模型的气动建模方法是拟常数模型与考虑洗流效应的单元理论相结合。采用多刚体有限元法建立纵向动力学模型。采用Floquet-Lyapunov方法分析开环纵向稳定性。采用鲁棒变增益控制方法分析闭环纵向稳定性。
机翼动态运动的直接数值模拟...
中等雷诺数下的薄翼型动态失速通常与靠近前缘的小层流分离气泡的突然破裂有关。鉴于层流分离气泡对外部扰动的强烈敏感性，使用直接数值模拟研究了在不同水平的低振幅自由流扰动下 NACA0009 翼型截面上动态失速的发生。对于前缘湍流强度 Tu = 0 .02%，流动与文献中的干净流入模拟几乎没有区别。对于 Tu = 0 .05%，发现破裂过程不太平稳，并且在动态失速涡流形成之前观察到层流分离气泡中强烈的相干涡流脱落。非线性模拟与瞬态线性稳定性分析相辅相成，该分析使用最优时间相关 (OTD) 框架的空间局部公式对破裂分离泡中层流剪切层的时间相关演化进行分析，其中非线性轨迹瞬时切线空间中最不稳定的部分随时间的变化被跟踪。得到的模式揭示了两种状态之间的间歇性切换。分离剪切层上的开尔文-亥姆霍兹滚转快速增长，分离泡过渡部分的二次不稳定性复杂化。后者的出现与线性子空间内瞬时增长率的大幅飙升以及非线性基流的更快转变有关。这些强烈的增长峰值与随后从层流分离泡中脱落的能量涡流密切相关。
含显热填料的填料床储罐温跃层行为的实验与数值研究
Wꞏm -2 ꞏK -4 ṁ 质量流量 (kg s -1 ) Փ 直径 (m) ∆P 压降 (Pa) θ 出口温度阈值系数 Pe 佩克莱特数，Pe=D p ꞏu sup /α Pr 普朗特数，Pr=C p,f ∙ μ f / λ frp 球体径向坐标 下标 r 罐体径向坐标 amb 环境 Ra 瑞利数，Ra= GrꞏPr Re 颗粒雷诺数，Re= ( ρ f ꞏD p ꞏu sup )/ μ fb 罐内直径的填料床区域 R int 罐体内半径 (m) ch 装料 R mid 罐体中部半径 (m) dis 卸料 R ext 罐体外半径 (m) eff 有效值 t 时间 (s) ext 罐体外表面 T 温度 (K) f 流体 TC 入口最冷工作温度 (K) TH 最高工作温度(K) int 罐内表面 T in 流体入口温度 (K) max 最大 T out 流体出口温度 (K) out 出口 T o 参考温度 (K) p 颗粒 TA A 位置的径向温度 rad 辐射 TB B 位置的径向温度 s 固体 TC C 位置的径向温度 sf 固体到流体相 u 间隙流体速度 (ms -1 )，u = ṁ /( ρ f ꞏεꞏπꞏR 2 int ) w 壁
折叠翼扑翼飞行器纵向飞行动力学建模及稳定性分析
扑翼飞行器（flapping Wing Aircraft，简称FWA）是一种折叠机翼的飞行器，通过模仿昆虫、鸟类或蝙蝠等折叠机翼上下扇动来产生升力和推力的飞行器。近年来，仿生扑翼飞行器的研究日益增多，提出了多种结构形式的扑翼飞行器。扑翼飞行器飞行环境与鸟类或大型昆虫相似，如低雷诺数的类流体动力学和非定常气动动力学[1，2]。飞行过程中，扑翼生物的运动学模型通常具有颤振、摆动、扭转和伸展4个自由度[3]。Thielicke[4]研究了不同弯度和厚度的鸟类臂翼和手翼在慢速飞行过程中的气动特性。传统的仿生扑翼飞行器运动学模型只考虑颤振和扭转2个自由度。本文在传统四自由度折叠机翼运动学模型基础上，增加了平面内折叠和非平面折叠两个自由度，采用拟常数模型与考虑洗边效应的初始理论相结合的四自由度运动学模型气动建模方法，通过多刚体有限元法建立纵向动力学模型，采用Floquet-Lyapunov方法分析开环纵向稳定性，采用鲁棒变增益控制方法分析闭环纵向稳定性。
基于机器学习的预测雷诺的翼型空气动力系数
摘要。本研究研究了各种机器学习（ML）算法在预测两个关键空气动力系数的应用，即最大升力系数（𝐶𝐶）和最小阻力系数（𝐶𝑑），对于任何给定的雷诺数，风力涡轮机翼型。我们建议使用聚类技术对类似的机翼形状进行分组，并使用创建的分区来预测使用它们相似性的看不见的机翼属性。在这里，我们还代表了Parsec低维空间中的机翼，而不是高维翼型点空间，以弥补少量训练数据。为此，创建了一个扩展的实验机翼数据库，并用于基于五种不同ML算法的培训模型。我们观察到决策树集合（DTE），随机森林（RF）和多层感知器（MLP）模型成为𝐶𝐶𝑙和𝐶𝑑𝑑𝑚𝑖𝑛𝑑𝑑𝑑𝑑𝑑𝑚𝑖𝑛𝑑𝑚𝑎𝑥𝑚𝑖𝑛𝑙的最有效预测指标。在培训数据库中未包含的三个其他机翼案例上测试这两个ML模型表明，𝐶𝐶𝑙𝑙𝑙𝑙𝑙预测性能通常是合理的，错误级别的平均值约为5％。相比之下，𝐶𝑑的预测误差水平通常更高，平均约为15％。