基于特征的流场数据挖掘

将数据挖掘技术应用于流场分析,有可能挖掘出常规数值方法难以发现的复杂流动规律。流场数据与传统数据库数据不同,通常组织为不规则的空间离散点和单元。为建立流场数据挖掘的统一范式,提出了基于特征的流场数据挖掘流程,并设计了两类相应的数据模型组织方式:邻域时空盒模型和连接图模型。使用该框架,对特定Rayleigh-Benard对流现象的数值计算结果进行了关联规则分析。其中涡特征提取使用λ2准则,关联规则提取使用Apriori算法。实验挖掘到了一些非平凡的流场规则,证明了该方法的有效性。

第二代涡识别方法在混流泵内部流场中的适用性分析

流体机械内部涡的产生会严重影响流体机械的内流场及外性能,速度、压力等传统方式并不能全面揭示流场真实的流动情况,而涡识别方法可以表征混流泵内部涡结构,识别涡的大小、位置和演变规律。采用大涡模拟对混流泵内部流场进行高精度数值模拟,由此获得不同涡识别方法(涡量、螺旋度方法、λ2准则和Q准则)在混流泵内流场中识别出的涡结构。结果表明:与涡量准则法相比,采用第二代涡识别方法更能获得详细的混流泵内部的涡结构。其中,Q准则能剔除绝大部分的剪切层影响,较其他涡识别方法更好地捕捉混流泵内部的涡结构,显示的涡大小更加精确。通过Q准则的识别,提取了混流泵叶轮流道内规则的通道涡,此类型涡结构均匀分布在各个流道,叶片叶顶泄漏涡结构清晰,摆脱了壁面剪切层的干扰;导叶叶片靠近轮毂处同样获取了规则的通道涡,通道涡均匀的分布在各个流道内,叶片尾缘脱落涡摆脱了壁面剪切层的干扰,可以看到清晰的涡结构。Q准则在第二代涡识别方法中脱颖而出,更适用于混流泵内流场的涡识别,在涡结构以及涡大小的显示方面都具有优势,可用于旋转机械内流场的分析。