阶段依赖的模态能量分配用于气泡流中基于物理指导的稀疏压力重建

本研究使用经实验验证的数值框架和数据驱动策略，探讨了通风气泡流中非稳态表面压力场的稀疏重建。我们进行了系统的数值研究，以表征瞬态流动演化，并为方法开发和评估提供真实数据基础。基于该数据库，开发了一个将Gappy正交分解（POD）与聚类指导的无监督学习策略相结合的综合框架，以识别动态相似区域并确定稀疏重建的代表性虚拟传感器位置。POD分析揭示了压力动态的显著低维特性，表明主导的流动演化可以由有限数量的相干模态表示。在再入射喷流主导阶段，第一POD模态包含约85%的模态能量，表明存在明显的低阶主导性。相比之下，在气泡断裂和脱落阶段，第一模态的贡献降至约65%，伴随着模态能量向高阶模态的重新分配和多尺度压力波动的增强。这些流动物理特性解释了不同流动阶段重建难度的变化，并为稀疏压力场重建提供了物理依据。重建的压力场与数值真实值高度一致，八个虚拟采样点在重建精度和测量成本之间提供了有效妥协。所提出的框架在间歇性和过渡气泡条件下也展现出良好的领域转移性，并对聚类初始化和测量噪声具有令人满意的鲁棒性。总体而言，所提出的框架为在有限测量条件下未来传感器放置提供了物理指导。