耦合粒子图像测速误差的连续伴随数据同化技术

提出了一种耦合粒子图像测速(PIV)实验误差的连续伴随数据同化算法,通过优化目标损失函数,增强算法在不同误差场景下的鲁棒性。为了验证该算法的有效性,先对已知PIV流场植入合成误差进行同化对比测试,继而对PIV互相关算法不同参数设置所获得的流场进行同化研究。结果表明:相比于原连续伴随数据同化,耦合PIV实验误差的同化算法能够对实验观测数据去伪存真,抗误差干扰能力明显提升,鲁棒性更强,能够对高误差场景下的流动数据进行更好地同化,准确地预测流场的真实分布规律,还原流场细节。