.png){kind=icon}
返回
Mode-clustering dynamic mode decomposition method for spatial-temporal multi-scale instantaneous flow fields
.png){kind=icon}
PRE
AI
DOI：10.1007/s10409-026-25945-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
动态模态分解（DMD）是流场数据分析的有力工具之一。对于时空多尺度瞬时流场，DMD模态具有宽带频谱特性，并且它们通常携带具有封闭物理意义的相似空间和时间特征。然而，手动识别和区分这些相似模态通常耗时且精度低。为解决此问题，本研究创新性地提出了一种名为模态聚类动态模态分解（MC-DMD）的DMD变体。首先，基于模态时空相似性定义模态相似性准则，以识别具有相同物理意义的流场结构。其次，提出一种模态特征识别方法，并引入K-means++算法以获得包含相似模态的模态簇。第三，定义模态簇的能量，并提出一种新的模态簇排序准则，以实现流场结构的高效识别。最后，通过三个典型案例验证了MC-DMD方法在模态特征提取、相似模态分类和流场结构识别中的有效性。
Keyword:
Dynamic mode decomposition
Spatial-temporal similar mode
Mode feature identification
Mode clustering analysis
Mode clustering ranking
期刊
A
IF:
4.6
论文数:
2.9K
被引数:
4.7K
机构
引用论文
Dynamic mode decomposition for the tip unsteady flow analysis in a counter-rotating axial compressor.png)
PHYSICS OF FLUIDS
PHYSICS OF FLUIDSIF4.3
PREAI
分享收藏
分享收藏
查看更多内容