超燃！Hung, David Ling Shun发表的第1篇Physics of Fluids：喷雾成像的流场重建：基于两相荧光粒子图像测速测量的基于物理和机器学习的混合方法
论论资讯 ｜ 2024-04-29 ｜
104热度
Physics of Fluids
Explore content
About the journal
Publish with us
Flow field reconstruction from spray imaging: A hybrid physics-based and machine learning approach based on two-phase fluorescence particle image velocimetry measurements
Zhao F.; Zhou Z.; Hung D.; Li X.; Xu M.
Published：2024-04-01
DOI：10.1063/5.0192703
研究背景
在流体研究中，液体喷雾与周围空气的相互作用至关重要，尤其在燃料喷雾和燃烧研究中。然而，燃料喷雾与空气的相互作用是一个复杂的过程，受到多种因素的影响，包括燃料类型、燃料喷射压力和燃料温度。这些因素相互耦合，使得仅仅通过传统实验方法准确捕捉喷雾-空气数据变得具有挑战性和耗时。当前研究提出了一种基于物理学和机器学习模型的混合方法，利用喷雾图像重建环境流场。
研究内容
该研究利用了喷雾和气流数据的空间特征，优化了特征提取并减少了模型中不必要的非线性。训练数据集通过结合Mie散射成像和荧光颗粒图像测速法收集而来。液体喷雾和环境空气速度场在各种实验条件下同时测量，包括不同燃料类型、燃料喷射压力和燃料温度。重建结果经过未见实验数据的验证，表明该模型在不同燃料条件和喷嘴类型下准确、快速且稳健。它提供了一种基于喷雾图像（喷雾密度分布）重建气流场的创新方法。
研究意义
这些发现突显了将基于物理学和机器学习方法相结合用于多相流诊断的潜力，为流体研究中更广泛的数据驱动应用铺平了道路。这种创新的方法为未来的流体研究提供了新的思路和可能性，为解决复杂多相流问题提供了有益的参考。
学术热榜
查看全部
相关资讯
换一批