압축 센싱 기반 기계 학습 전략을 통한 한정된 압력 측정을 이용한 원주 주변 유동 특성화

압축 센싱은 원주에 대한 희소한 압력 측정을 통해 유동 특성(레일리 수 및 압력/유동장)을 결정하는 데 사용됩니다. 감독된 기계 학습 전략을 사용하여 차원 축소된 동역학을 인코딩하는 라이브러리 요소가 다양한 레일리 수에 대해 계산됩니다. 그런 다음 원주에서의 한정된 압력 측정과 함께 볼록 L1 최적화가 사용되어 원주 주변의 전체 압력장과 결과 유동장을 재구성하거나 디코딩합니다. 오직 레일리 수만 식별할 수 있는 고도로 난류인 경우를 제외하고, 압력장과 레일리 수의 정확한 재구성이 이루어집니다. 따라서 제안된 데이터 기반 전략은 L2 노름을 사용하여 유체 동역학을 인코딩하고, 희소성을 촉진하는 L1 노름을 사용하여 강인한 디코딩(유동장 재구성)을 달성합니다.