Instantaneous estimation and three-dimensional reconstruction of a highly modulated velocity field using finite-impulse-response-based spectral proper orthogonal decomposition
Notice bibliographique
Résumé
An adaptable estimation technique is presented to reconstruct time-evolving three dimensional (3-D) velocity fields from planar particle image velocimetry measurements. The methodology builds on the multi-time-delay estimation technique of Hosseini et al. (2015) by implementing the finite-impulse-response spectral proper orthogonal decomposition (FIR-SPOD) of Sieber et al. (2016). The candidate flow is the highly modulated turbulent near wake of a cantilevered square cylinder with a height-to-width ratio $h/d=4$ , protruding a thin laminar boundary layer ( $\delta /d=0.21$ with $\delta$ being the boundary layer thickness) at the Reynolds number $Re=10600$ , based on d. The novelty of the estimation technique is in using the modal space obtained by FIR-SPOD to better isolate the spatio-temporal scales for correlating velocity and pressure modes. Using FIR-SPOD, irregular coherent contributions at frequencies centred at $f_{ac1}=(1\pm 0.05)f_s$ and $f_{ac2}=(1\pm 0.1)f_s$ (with $f_s$ the fundamental shedding frequency) could be separated, which was not possible using proper orthogonal decomposition. With the FIR-SPOD bases, the quality of the estimation improved significantly using only linear terms, and the correct phase relationships between pressure and velocity modes are retained, as is required for synchronizing coherent motions along the height of the obstacle. It is shown that a low-dimensional reconstruction of the flow field successfully captures the cycle-to-cycle variations of the dominant 3-D vortex shedding process, which give rise to vortex dislocation events. Thus, the present methodology shows promise in 3-D reconstruction of challenging turbulent flows, which exhibit non-periodic behaviour or contain multi-scale phenomena.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».