...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Experiments in Fluids: Experimental Methods and Their Applications to Fluid Flow >Application of the dynamic mode decomposition to experimental data
【24h】

Application of the dynamic mode decomposition to experimental data

机译：动态模式分解在实验数据中的应用

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The dynamic mode decomposition (DMD) is a data-decomposition technique that allows the extraction of dynamically relevant flow features from time-resolved experimental (or numerical) data. It is based on a sequence of snapshots from measurements that are subsequently processed by an iterative Krylov technique. The eigenvalues and eigenvectors of a low-dimensional representation of an approximate inter-snapshot map then produce flow information that describes the dynamic processes contained in the data sequence. This decomposition technique applies equally to particle-image velocimetry data and image-based flow visualizations and is demonstrated on data from a numerical simulation of a flame based on a variable-density jet and on experimental data from a laminar axisymmetric water jet. In both cases, the dominant frequencies are detected and the associated spatial structures are identified.
机译：动态模式分解（DMD）是一种数据分解技术，可以从时间分辨的实验（或数值）数据中提取动态相关的流量特征。它基于一系列来自测量的快照，随后通过迭代Krylov技术对其进行处理。然后，近似快照快照图的低维表示的特征值和特征向量会产生流信息，该流信息描述了数据序列中包含的动态过程。这种分解技术同样适用于颗粒图像测速数据和基于图像的流动可视化，并在基于可变密度射流的火焰数值模拟数据和层状轴对称水射流的实验数据中得到了证明。在这两种情况下，都将检测到主导频率并确定相关的空间结构。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号