主管部门: 中国航天科技集团有限公司
主办单位: 中国航天空气动力技术研究院
中国宇航学会
中国宇航出版有限责任公司

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于集合变换Kalman滤波的流场高效重构

郭雨欣 黄俊 赵庆宇 冀晶晶 黄永安

郭雨欣, 黄俊, 赵庆宇, 冀晶晶, 黄永安. 基于集合变换Kalman滤波的流场高效重构[J]. 气体物理. doi: 10.19527/j.cnki.2096-1642.1090
引用本文: 郭雨欣, 黄俊, 赵庆宇, 冀晶晶, 黄永安. 基于集合变换Kalman滤波的流场高效重构[J]. 气体物理. doi: 10.19527/j.cnki.2096-1642.1090
GUO Yuxin, HUANG Jun, ZHAO Qingyu, JI Jingjing, HUANG Yongan. Efficient Flow Field Reconstruction Based on Ensemble Transform Kalman Filter[J]. PHYSICS OF GASES. doi: 10.19527/j.cnki.2096-1642.1090
Citation: GUO Yuxin, HUANG Jun, ZHAO Qingyu, JI Jingjing, HUANG Yongan. Efficient Flow Field Reconstruction Based on Ensemble Transform Kalman Filter[J]. PHYSICS OF GASES. doi: 10.19527/j.cnki.2096-1642.1090

基于集合变换Kalman滤波的流场高效重构

doi: 10.19527/j.cnki.2096-1642.1090
基金项目: 

国家重点研发计划(2020YFA0405700);国家自然科学基金(52175510);湖北省自然科学基金(2023AFA085);广东华中科技大学工业技术研究院,广东省制造装备数字化重点实验室(2020B1212060014)

详细信息
    作者简介:

    郭雨欣(2000-)女,硕士,主要研究方向为数据同化,流场重构。E-mail:m202270677@hust.edu.cn

    通讯作者:

    冀晶晶(1987-)女,教授,主要研究方向为柔性传感与数据重构感知。E-mail:jijingjing@hust.edu.cn

  • 中图分类号: V211.3

Efficient Flow Field Reconstruction Based on Ensemble Transform Kalman Filter

  • 摘要: 湍流场的准确估计在航空航天领域具有重要意义,现有的获取手段在分辨率或者准确性方面是不足的。实验测量准确却往往测点数量有限,数值计算能获得全场数据,但精度却难以保障。数据同化方法融合了实验观测和数值模拟,是进行流场重构的有效工具。文章探索了基于集合变换Kalman滤波(ensemble transform Kalman filter,ETKF)的数据同化方法在空间流场重构方面的有效性,并讨论了不同迭代更新模式的重构精度和计算效率,即状态变量基于湍流模型更新的ETKF-M和基于流场数据更新的ETKF-D。以ONERA M6机翼作为数值算例,结合风洞实验翼型表面271测压孔的压力测量数据进行算法实验,结果表明ETKF方法的不同迭代模式均有效修正了湍流模型的预测,并且ETKF-D相对于ETKF-M提升了83%的计算效率。此外,选取两组不同位置的1/4实验测点进行同化实验,得到不同精度的结果,这表明重构的精度与同化测点的位置和数量密切相关。

     

  • [1] Gill P G. Aviation turbulence forecast verification[A]. Sharman R, Lane T. Aviation Turbulence:Processes, Detection, Prediction[M]. Cham:Springer, 2016:261-283.
    [2] 李强, 江涛, 陈苏宇, 等. 激波风洞边界层转捩测量技术及应用[J]. 航空学报, 2019, 40(8):66-77. Li Q, Jiang T, Chen S Y, et al. Measurement technique and application of boundary layer transition in shock tunnel [J]. Acta Aeronautica et Astronautica Sinica, 2019, 40(8):66-77(in Chinese).
    [3] Guzzi R. Data assimilation:mathematical concepts and instructive examples[M]. New York:Springer International Publishing, 2016.
    [4] Evensen G. The ensemble Kalman filter:Theoretical formulation and practical implementation[J]. Ocean Dynamics, 2003, 53(4):343-367.
    [5] Zheng D Q, Leung J K C, Lee B Y. An ensemble Kalman filter for atmospheric data assimilation:Application to wind tunnel data[J]. Atmospheric Environment, 2010, 44(13):1699-1705.
    [6] Gao X, Wang Y, Overton N, et al. Data-assimilated computational fluid dynamics modeling of convection-diffusion-reaction problems[J]. Journal of Computational Science, 2017, 21:38-59.
    [7] Ray P K, Subudhi B. Ensemble-Kalman-filter-based power system harmonic estimation[J]. IEEE Transactions on Instrumentation and Measurement, 2012, 61(12):3216-3224.
    [8] da Silva A F, Colonius T. An EnKF-based flow state estimator for aerodynamic flows[R]. AIAA 2017-3483, 2017:3483.
    [9] 刘成思. 集合卡尔曼滤波资料同化方案的设计和研究[D]. 北京:中国气象科学研究院, 2005. Liu C S. Design and study of ensemble Kalman filter data assimilation scheme[D]. Beijing:Chinese Academy of Meteorological Sciences, 2005(in Chinese).
    [10] Bishop C H, Etherton B J, Majumdar S J. Adaptive sampling with the ensemble transform Kalman filter. Part I:Theoretical aspects[J]. Monthly Weather Review, 2001, 129(3):420-436.
    [11] Nurujjaman M, Apte A, Vinayachandran P. Data assimilation using ensemble transform Kalman filter(ETKF) in ROMS model for Indian Ocean[J]. The European Physical Journal Special Topics, 2013, 222(3/4):875-883.
    [12] Zhou T J, Ding L, Ji J, et al. Ensemble transform Kalman filter(ETKF) for large-scale wildland fire spread simulation using FARSITE tool and state estimation method[J]. Fire Safety Journal, 2019, 105:95-106.
    [13] Kato H, Yoshizawa A, Ueno G, et al. A data assimilation methodology for reconstructing turbulent flows around aircraft[J]. Journal of Computational Physics, 2015, 283:559-581.
    [14] Zhang Y, Du L, Zhang W W, et al. Research on data assimilation strategy of turbulent separated flow over airfoil [J]. Applied Mathematics and Mechanics, 2022, 43(4):571-586.
    [15] Deng Z W, He C X, Wen X, et al. Recovering turbulent flow field from local quantity measurement:turbulence modeling using ensemble-Kalman-filter-based data assimilation [J]. Journal of Visualization, 2018, 21(6):1043-1063.
    [16] 马旭林, 陆续, 于月明, 等. 数值天气预报中集合-变分混合资料同化及其研究进展[J]. 热带气象学报, 2014, 30(6):1188-1195. Ma X L, Lu X, Yu Y M, et al. Progress on hybrid ensemble-variational data assimilation in numerical weather prediction[J]. Journal of Tropical Meteorology, 2014, 30(6):1188-1195(in Chinese).
    [17] 赵娟. 集合卡尔曼滤波方法的局地化及协方差膨胀问题研究[D]. 长沙:国防科技大学, 2023. Zhao J. Research on localization and covariance inflation in ensemble Kalman filter[D]. Changsha:National University of Defense Technology, 2023(in Chinese).
    [18] Schmitt V, Charpin F. Pressure distributions on the ONERA-M6-wing at transonic Mach numbers, experimental data base for computer program assessment[R]. AGARD AR-138, 1979.
  • 加载中
计量
  • 文章访问数:  53
  • HTML全文浏览量:  6
  • PDF下载量:  14
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-09-28
  • 修回日期:  2023-11-03
  • 网络出版日期:  2024-03-07

目录

    /

    返回文章
    返回