✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,代码获取、论文复现及科研仿真合作可私信。
🍎个人主页:Matlab科研工作室
🍊个人信条:格物致知。
更多Matlab完整代码及仿真定制内容点击👇
🔥 内容介绍
谱正交分解 (SPOD) 是一种强大的工具,用于分析平稳随机过程。它是适当正交分解 (POD,也称为主成分分析或 Karhunen-Loève 分解) 的频域形式。SPOD 从平稳流的空间时间 POD 问题推导而来 [1, 2],并生成每个都以单一频率振荡的模式。SPOD 模式代表动态结构,它们最优地解释了平稳随机过程的统计变异性。
本文将详细介绍 SPOD 的原理、应用和一个用于执行 SPOD 分析的 Matlab 实现。我们还将探讨 SPOD 在分析湍流射流数据中的具体应用。
SPOD 的原理
SPOD 是一种用于提取平稳随机过程数据中的主导空间-时间结构的技术。它基于将数据分解为一组正交的模式,每个模式对应于数据的特定频率和空间结构。SPOD 模式按其解释数据方差的能力排序,其中第一个模式解释了最大方差,依此类推。
SPOD 分析通过以下步骤进行:
-
数据预处理: 对原始数据进行预处理,例如移除平均值和趋势。
-
傅里叶变换: 对预处理后的数据进行傅里叶变换,得到频域数据。
-
空间-时间 POD: 对频域数据进行空间-时间 POD,以提取正交模式。
-
模式分析: 分析 SPOD 模式,例如其频率、空间结构和方差贡献。
SPOD 的主要优点包括:
-
识别主导频率: SPOD 模式与特定频率相关联,因此可以用于识别数据中存在的主导频率。
-
可视化空间结构: SPOD 模式提供了数据中动态结构的空间表示。
-
量化方差贡献: 每个 SPOD 模式解释的数据方差贡献可以被量化。
SPOD 的应用
SPOD 是一种通用的工具,适用于分析各种平稳随机过程,例如:
-
湍流流动: 用于识别湍流流动中的动态结构,例如漩涡和波。
-
声学: 用于分析声音信号,例如识别频率和声源定位。
-
振动: 用于分析结构的振动,例如识别共振频率。
-
气象学: 用于分析气象数据,例如识别大气中的波和环流模式。
SPOD Matlab 实现
本文中提供的 SPOD Matlab 实现 (spod.m) 是一个独立的函数,无需任何工具箱依赖。该代码包含六个示例,展示了代码的功能。这些示例包括对湍流射流、声学和振动数据的分析。
湍流射流数据的 SPOD 分析
作为 SPOD 应用的示例,我们利用 Mach 0.9 湍流射流的大涡模拟 (LES) 数据进行分析。该数据由 Cascade Technologies 开发的非结构化流体求解器 Charles 计算,并包含 5000 个圆形湍流射流的对称分量 (m=0) 的快照。
通过对该数据的 SPOD 分析,我们可以识别出湍流射流中的主要动态结构,例如漩涡和剪切层。SPOD 模式还可以用于量化不同频率和空间结构对湍流的贡献。
结论
SPOD 是一种强大而通用的工具,用于分析平稳随机过程。它提供了识别主导频率、可视化空间结构和量化方差贡献的能力。SPOD Matlab 实现提供了一个易于使用且高效的工具,用于分析各种数据,包括湍流流动、声学、振动和气象学数据。
⛳️ 运行结果
🔗 参考文献
[1] Towne, A., Schmidt, O. T., Colonius, T., Spectral proper orthogonal decomposition and its relationship to dynamic mode decomposition and resolvent analysis, J. of Fluid Mech. 847, 821–867, 2018
[2] Lumley, J. L., Stochastic tools in turbulence, Academic Press, 1970
[3] G. A. Brès, P. Jordan, M. Le Rallic, V. Jaunet, A. V. G. Cavalieri, A. Towne, S. K. Lele, T. Colonius, O. T. Schmidt, Importance of the nozzle-exit boundary-layer state in subsonic turbulent jets, J. of Fluid Mech. 851, 83-124, 2018
[4] Schmidt, O. T., Towne, A., Rigas, G., Colonius, T., Bres, G. A., Spectral analysis of jet turbulence, J. of Fluid Mech. 855, 953–982, 2018
🎈 部分理论引用网络文献,若有侵权联系博主删除
🎁 关注我领取海量matlab电子书和数学建模资料
👇 私信完整代码和数据获取及论文数模仿真定制
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱船配载优化、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划(2E-VRP)、充电车辆路径规划(EVRP)、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题
2 机器学习和深度学习方面
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类