流场非线性特征提取与混沌分析
为解决传统方法在判断离心压气机动态失稳过程中因信号强非线性导致误判错判, 针对其动态时序属非线性信号, 基于分形理论提出自适应变分模态分解(adaptive variational mode decomposition with fractal,AFVMD)方法以同时实现降噪与非线性特征提取, 采用相空间重构法还原系统动力学结构. 以某离心压气机失稳过程中叶轮动态压力数据为对象, 验证所提出算法的优越性, 分析其吸引子状态. 结果表明: 在处理具有非线性特征的含噪信号时, AFVMD比小波降噪具有更好的降噪效果与特征提取能力; 相空间将失速发展过程可视化, 最小流量状态所对应的相空间呈现"毛球状"; 随失速的发展, 相空间将逐渐发散; 经小波与AFVMD方法预处理的信号所对应相形对失速过程更加敏感; 通过经AFVMD处理的信号进行重构可更早捕获失速征兆, 其更小的最大Lyapunov指数表明该方法提升了流动混沌系统的可预测性, 为压气机失稳分析、预测提供新思路与方法.
混沌、Lyapunov指数、变分模态分解、分形
69
国家自然科学基金;上海市"科技创新心动计划"地方院校能力建设项目
2020-12-29(万方平台首次上网日期,不代表论文的发表时间)
共9页
338-346