通过最小均方误差估计技术来识别大尺度涡旋结构1).PDFVIP

通过最小均方误差估计技术来识别大尺度涡旋 结构1) 高南*，2) * （大连理工大学航空航天学院 116024 ） 本文利用线性随机估测(英文名称 linear stochastic estimation，缩写LSE)为工具，以平面贴附射 流为实例，初步研究了大尺度涡旋结构的发生发展过程。这种方法的实质是使用相对容易测量的物 理量，利用最小均方差的估计方法来估测实际应用中较难直接测量的物理量。本文重在介绍两种随 机估测方法，单时间线性随机估测(简称单时 LSE)和依据频谱的多时间线性随机估测方法(简称频谱 LSE) 。前者在流场的闭环主动控制中有很广阔的应用前景，而后者可以用在识别流场中的大尺度的 研究中。 关键词 1 线性随机估测，2 大尺度涡旋结构，3 平面贴附射流 引 言 湍流场中存在着有组织的大尺度涡旋结构，研究它们的发生发展规律，并对其进行有效控制有 很重要的意义。但是，现阶段的实验手段对我们研究工程实际中的涡旋有很大的限制，目前广泛使 用的 PIV 系统可以显示某时刻整个流场的速度分布，但如果涡旋的特征频率较高，普通 PIV 系统因 采样频率较低(大多数系统在 20Hz 以下)而无法有效跟踪涡旋的发生发展过程。即便是采样频率最高 的 PIV 系统也在 1000Hz 以下，且它们的有效测量区域非常小，并非常昂贵。在研究流场高频变化 的时候，还需要采用直径非常小的示踪例子，才能保证颗粒踪迹正确显示流场运动。但过小的颗粒， 又要求较高照明条件，与图像品质及测量精度相冲突。所以，现阶段研究高频涡旋结构对实验设备 有很大的挑战，PIV 系统基本不能胜任。 热线风速仪的频率响应非常高，普通商用仪器配合直径 5 微米以下热线探头可保证在 5000Hz 采样频率以内有较小的误差。但热线只能测量空间一点速度随时间变化的情况，不能显示涡旋在整 个流场的实时分布。过去，对较高频率的涡旋结构最主要的量化研究方法是进行条件平均(conditional averaging) 。利用两个或两个以上传感器，以位置固定的传感器 1 为参照，根据该传感器所示信号的 变化规律及设定条件，对传感器 2 给出的信号进行平均。此方法的效果对流场的特性和研究者所设 定条件有明显依赖，在某些流场可以取得很好的效果, 比如圆柱绕流等流场中的涡旋结构有相似的时 间尺度，能量分布在非常窄的频段内，这样执行相位平均[13]可以非常有效的发现涡旋的发展规律。 但如果流场中没有明显的单一频率，比如剪切层的特征频率等等，这样的频谱往往较平，脉动能量 均匀分布在一个宽频段内，对这样流场进行相位平均操作，得到结果往往只能给出流场的基本特征， 其数值结果( 比如脉动强度，雷诺应力等)往往远小于直接测量结果。 线性随机估测(Linear Stochastic Estimation)也是一种利用多传感器来研究湍流涡旋结构的方法。 它是 R.J. Adrian[1]最早提出的一种根据流场中 N 点的脉动量 ,来估算另外一点 的脉动量 的最小均方误差估计算法(least mean square error) 。真实值 可利用泰 勒展开为 1) 国家自然科学基金项目 资助 2) E-mail: gaonanharbin@ 因为LSE 方法可以根据在某些点测得的脉动量来估算其他点脉动量的‘遥感’功能，所以它被 应用到一些流场控制中，尤其是在一些较难直接测量控制变量的时候，研究者可以选择比较方便测 量的物理量，并用这些物理量来估算需要的控制变量。比如，美国俄亥俄州立大学 Samimy 小组[9] 在研究高速飞行器内置弹舱在开启时的振动问题时，使用仓内安置的一系列压力传感器来估测舱内 流场状态，并利用所估流场直接生成控制变量输送给控制执行系统。美国佛罗里达大学的 Ukeiley 小组[12]和普林斯顿大学的 Rowley 小组[8]也使用 LSE 进行了类似的研究。美国锡拉丘兹大学的 Glauser 小组[11]和法国普瓦捷(Poitiers)大学的空气动力研究组[2]为了研究射流噪声的噪声问题，也 使用了 LSE ，他们通过测量高频的声强变化来估测整个流场的速度变化情况，并测算决定声强变化 的泊松方程中的压强生