AI機械学習を利用したPOD/DMD解析システム VFBasis

特徴構造の抽出 - VFBasisチュートリアル

角柱後方に発生する変動から特徴的なパターンを抽出します。
入力データのアニメーションからは複雑な変動とともに、時折画面上下方向に揺れる変動が見られます。
この周期的変動の周波数のモードを抽出し、流れの再構成を行いました。再構成データの構築ではモード分解とは逆に抽出したモードの重ね合わせを行います。

入力データ

どのモードデータを使って再構成データを構築するか決定するために周期的変動の影響の大きい周波数を特定します。各モードは平均値に対する変動がパターンとして現れます。
周期的変動の影響の大きい周波数は角柱にかかる横力変動からある程度の見積もりが可能と考えられます。
また、VFBasisはFieldViewの機能を連携して選択したモードの空力6成分の変動の大きさを自動で計算することができます。図に周波数と抗力変動Cx、横力変動Cyの関係を示します。横力変動Cyはストローハル数0.1前後にピークが集中していることがわかりました。今回、周期的変動の影響を大きく受ける再構成データを構築するため、Cyが特に大きい12個のモードを選択しました。

12個のモードで再構成したデータのアニメーションからは周期的変動を明確に見ることができます。一方、残ったモードで再構成したデータではランダムな変動が抽出されています。
DMDの大きなメリットとして、モードが周波数で表現されることがあげられ、物理的な意味を結び付けて可視化データを生成し、評価することが可能です。DMDで分析対象とする周波数を探し、再構成データと入力データを比較することで、その周波数の変動が全体的な流れに与える影響を考察することが可能となります。
再構成データの構築方法についてはログインページからFAQをご覧ください。

入力データ	12個のモードで再構成	残りのモードで再構成