[论文解读] Multi-domain analysis and prediction of the light emitted by an inductively coupled plasma jet

Lorenzo Capponi, Alberto Padovan+4 more|arXiv (Cornell University)|Oct 18, 2023

Gaussian Processes and Bayesian Inference参考文献 48被引用 5

一句话总结

本研究利用高速成像技术对350 kW感应耦合等离子体（ICP）风洞中等离子体射流的动力学行为进行了研究，重点分析了火炬功率与腔室压力的影响。研究提出了一种数据驱动的高斯过程回归框架，能够准确预测在未观测到的工况条件下的射流轮廓，从而实现高效材料测试与仿真验证，且在不同压力-功率组合下均具备高预测保真度。

ABSTRACT

Inductively coupled plasma wind tunnels are crucial for replicating hypersonic flight conditions in ground testing. Achieving the desired conditions (e.g., stagnation-point heat fluxes and enthalpies during atmospheric reentry) requires a careful selection of operating inputs, such as mass flow, gas composition, nozzle geometry, torch power, chamber pressure, and probing location along the plasma jet. The study presented herein focuses on the influence of the torch power and chamber pressure on the plasma jet dynamics within the 350 kW Plasmatron X ICP facility at the University of Illinois at Urbana-Champaign. A multi-domain analysis of the jet behavior under selected power-pressure conditions is presented in terms of emitted light measurements collected using high-speed imaging. We then use Gaussian Process Regression to develop a data-informed learning framework for predicting Plasmatron X jet profiles at unseen pressure and power test conditions. Understanding the physics behind the dynamics of high-enthalpy flows, particularly plasma jets, is the key to properly design material testing, perform diagnostics, and develop accurate simulation models

研究动机与目标

• 理解火炬功率与腔室压力如何影响350 kW Plasmatron X ICP风洞中高焓等离子体射流的动力学行为。
• 表征在不同功率与压力条件下，射流特征如亚音速至超音速过渡、激波钻石结构以及非稳态行为。
• 开发一种数据驱动的预测模型，用于预测未见的火炬功率与腔室压力组合下的等离子体射流轮廓。
• 通过实现对射流行为的精确、低成本预测，支持高超声速测试中的实验设计与仿真验证。

提出的方法

• 利用等离子体射流发光的高速成像技术，捕捉在多种功率与压力条件下的空间与时间动态行为。
• 应用本征正交分解（POD）从图像数据中提取主导空间模态，降低维度并分离关键流场结构。
• 采用高斯过程回归（GPR）建模输入参数（火炬功率与腔室压力）与POD系数之间的关系。
• 在GPR中使用径向基函数核，确保在输入参数空间中实现平滑、连续的射流轮廓预测。
• 该框架基于实验数据进行训练，并在未见的压力-功率组合上进行验证，实现无需额外昂贵实验的预测建模。
• POD与GPR的协同作用实现了对射流轮廓的高效、精确预测，同时保持了物理解释一致性与不确定性量化。

Figure 1 : Schematic of the Plasmatron X facility.

实验结果

研究问题

• RQ1 火炬功率与腔室压力的变化如何影响ICP等离子体射流中激波钻石与亚音速至超音速过渡的形成及其位置？
• RQ2 在不同功率-压力条件下，哪些流体动力学不稳定性与非稳态行为出现？这些行为在时空域与频域中如何量化？
• RQ3 数据驱动的机器学习模型在多大程度上能够预测未见的火炬功率与腔室压力组合下的等离子体射流轮廓？
• RQ4 在Plasmatron X装置中，腔室压力相较于火炬功率，在等离子体射流动态响应中起主导作用的程度如何？
• RQ5 POD与高斯过程回归的结合是否能够实现在ICP风洞工作包络范围内对射流轮廓的精确、带不确定性的预测？

主要发现

• 腔室压力被确定为影响射流动力学的主导因素，随着压力升高，可观察到大规模流体不稳定性与对流效应，其特征在时空域与频域中清晰可见。
• 射流表现出明显的亚音速至超音速过渡与激波钻石结构，其位置与强度随功率与压力设置系统性变化。
• 基于POD系数训练的高斯过程回归模型在预测未见压力-功率组合下的射流轮廓时表现出高精度，展现出强大的泛化能力。
• POD与GPR的协同作用实现了对复杂等离子体射流行为的高效、数据驱动预测，显著减少了对额外实验数据的依赖。
• 该框架支持材料测试与仿真验证的预测建模，降低了对昂贵全尺寸实验活动的依赖。
• 结果证实，等离子体射流的空间与时间动力学对腔室压力极为敏感，而火炬功率则调节所观测不稳定性的表现强度与范围。

Figure 2 : Schematic of experimental setup at Plasmatron X wind tunnel: high-speed camera acquiring the plasma jet emitted light through a quartz viewport.