来源：期刊VIP网 时间：
作者：战庆亮;王智勇;晁阳;包东明;孙先念;
单位：大连海事大学交通运输工程学院;运通交通科技(大连)有限公司智能流体研发中心;
摘要：流场实验时往往需要测量某些位置处的流场时程，但传感器的布设数量通常受传感器大小和对流场的干扰程度等因素的限制。通过在合理的位置布设传感器，可以提高流场实验的测量效率和精度，并捕捉到流场中重要的时变特征。本文基于时程深度学习方法，对流场测点处的时变特征进行降维与聚类，得到具有相似时变特征的流场测点分布，为流场测点布设位置的选择提供依据。以低雷诺数的方柱和圆柱绕流场为例，首先对流场时程大数据进行特征重构与降维，然后对低维表征编码进行聚类分析，进一步对不同类别的流动区域开展特征判断，最终确定待测物理量的最优测点分布区域。结果表明，本文方法提供了比传统经验更精细的测点布置方案，可为流场实验中的测点布设提供参考。
关键词：流场测点;;时程深度学习;;时变特征;;时程大数据;;聚类
基金资助：大连海事大学博联科研基金项目（3132023619）;; 辽宁教育厅研究计划（LJ212410151014）;; 桥梁结构抗风技术交通行业重点实验室（上海）开放课题（KLWRTBMC21-02）
