[論文レビュー] Exploratory Data Analysis of The KelvinHelmholtz instability in Jets

Santosh Tirunagari|arXiv (Cornell University)|Mar 21, 2015

Fluid Dynamics and Turbulent Flows参考文献 14被引用数 3

ひとこと要約

本研究では、Re = 10,000における同心衝撃ジェットの2次元直接数値シミュレーション（DNS）データに、固有直交分解（POD）および動的モード分解（DMD）を適用し、ケルビン＝ヘルムホルツ（KH）不安定性を分析した。DMDは、せん断層付近の時間的ダイナミクスおよびコherent構造を捉える点で優れている一方、PODは大規模なエネルギーモードを効果的に分離する。両手法とも、異なるジェット配置における位相ロックされた不安定性および渦の巻き込みパターンを明らかにした。

ABSTRACT

The KelvinHelmholtz (KH) instability is a fundamental wave instability that is frequently observed in all kinds of shear layer (jets, wakes, atmospheric air currents etc). The study of KH-instability, coherent flow structures has a major impact in understanding the fundamentals of fluid dynamics. Therefore there is a need for methods that can identify and analyse these structures. In this Final assignment, we use machine-learning methods such as Proper Orthogonal Decomposition (POD) and Dynamic Mode Decomposition (DMD) to analyse the coherent flow structures. We used a 2D co-axial jet as our data, with Reynolds number corresponding to Re: 10,000. Results for POD modes and DMD modes are discussed and compared.

研究の動機と目的

• 乱流ジェット流れにおけるコherentな流れの構造を特定するためのPODおよびDMDの有効性を調査すること。
• 空間的に直交するPODと時間的に直交するDMDの性能を比較し、ケルビン＝ヘルムホルツ不安定性を解明すること。
• ジェットの接近度（CASE = L/10 対 L/5）が不安定性の発展およびモードダイナミクスに与える影響を分析すること。
• 低次元モデル化および時間分解能のある流体力学的解析にこれらの手法がどのように有用であるかを評価すること。
• 機械学習手法を実験的およびシミュレーションベースの流体力学研究に応用する基盤を提供すること。

提案手法

• PODはスナップショット法を用い、時間分解能のあるLESデータから流れ場を再構成する際の平均二乗誤差を最小化するように空間モードを計算する。
• この手法は、スナップショットから自己共分散行列を計算し、固有値問題を解くことでPODモードおよびそれに対応する時間係数を抽出する。
• DMDはスナップショット行列V₁ᴺを構築し、線形写像Aを近似する。ここで、vₙ₊₁ ≈ A vₙが成り立つ。アルノルド法に基づくアルゴリズムを用いて実装される。
• DMDは、ダイナミックに重要な構造を表す固有値およびモードを計算し、固有値を対数スケールにマップすることで増大／減衰率を解釈する。
• 本分析では、Re = 10,000、ジェット径ro = L/20、勾配パラメータB = 10.5の2次元同心ジェットシミュレーションを用いた。
• 2つのケースを検討した：近接したジェット（L/10）と離れたジェット（L/5）。流れ場は、パassingスカラー（PS）、UおよびV速度成分を用いて分析された。

実験結果

リサーチクエスチョン

• RQ1 PODとDMDは、KH不安定性支配のジェット流れにおける大規模なコherent構造をどの程度効果的に解明できるか？
• RQ2 ジェットの接近度（L/10 対 L/5）は、ケルビン＝ヘルムホルツ渦の発展および相互作用にどのような役割を果たすか？
• RQ3 ケース1におけるPODモードの時間係数は、不安定性のダイナミクス的挙動および位相関係をどのように反映しているか？
• RQ4 DMD固有値は、流れの時間的ダイナミクスおよび安定性特性をどの程度正確に捉えているか？
• RQ5 PODおよびDMDは、LESデータにおける大規模なコherent運動と乱流フラクチュエーションを効果的に分離できるか？

主な発見

• PODモードは最初の数個のモードを用いることで、全体の強度フラクチュエーションの95％を捉えており、大規模なコherent構造を効果的に分離している。
• ケース1（ジェットが近接）では、最初の数個のPODモードが、ジェット相互作用に起因する対称的な逆KH不安定構造を示しており、2番目のDMDモードに渦の巻き込みが明確に観察された。
• DMDモードは、せん断層付近のダイナミックなパターンを明確に解明しており、2番目のモードは、膜の巻き込みを特徴とする。
• ケース1におけるPODモード3および4の時間係数には5ステップの位相差が見られ、強い相関関係およびヘリカルまたは円柱状不安定性の特徴を示唆している。
• ケース1のDMD固有値は、単位円盤の外側に不安定モード（|λ| > 1）を示しており、対数スケールへのマップにより、不安定ダイナミクスの正の実部が明らかになった。
• PODおよびDMDは両方とも、KH不安定性のメカニズムを効果的に特定・区別できており、DMDはダイナミクス的挙動の時間的分解能において優れている。