简介:Ingasturbineengines,laminar-turbulenttransitionoccurs.However,generally,theturbulencemodelstodescribesuchtransitionresultsintooearlyandtooshorttransition.Combiningaturbulencemodelwithadescriptionofintermittency,i.e.thefractionoftimetheflowisturbulentduringthetransitionphase,canimproveit.Bylettinggrowtheintermittencyfromzerotounity,startandevolutionoftransitioncanbeimposed.Inthispaper,amethodwhereadynamicequationofintermittencycombiningwithatwo-equationk-ωturbulencemodelisdescribed.Thisintermittencyfactorisapremultiplicatoroftheturbulentviscositycomputedbytheturbulencemodel.FollowingasuggestionbyMenteretal.[1],thestartoftransitioniscomputedbasedonlocalvariables.
简介:提出了一种基于改进蚁群算法的动态K-均值聚类算法思想,该算法首先利用蚁群算法的较强处理局部极值的能力,动态地确定了聚类数目和中心,然后利用蚁群聚类得到的结果,再进行K-均值聚类弥补蚁群算法的不足。两者有机结合起来可以寻求到具有全局分布特性的最优聚类,实现了基于改进的蚁群聚类算法分析。
简介:k均值算法是一个常用的局部搜索算法,它的主要缺陷是容易陷入局部极小,并且该局部极小解与全局最优解往往有很大的偏差.本文提出一个基于K-均值的迭代局部搜索文档聚类算法.该算法以k均值算法所得到的解作为初始解,从该初始解开始作局部搜索,在搜索过程中接受部分劣解.当解无法改进时,算法对所得到的局部极小解做适当强度的扰动后进行下一次的迭代,以跳出局部极小,从而拓展了搜索的范围.实验结果表明该算法对文档数据集聚类的正确性达99%以上.
简介:由条带和流向涡的循环再生构成的近壁自维持过程(self-sustainingprocess,SSP)是壁湍流产生和维持的重要机制.文章通过对最小槽道的直接数值模拟(directnumericalsimulation,DNS)获得近壁自维持过程的流场数据,采用正规正交分解法(properorthogonaldecomposition,POD)对该数据进行分析,获得了不同流向和展向尺度的特征模态,通过将Navier—Stokes方程在这些模态上进行投影,得到近壁自维持过程的降阶模型,并采用DNS数据对降阶模型的预测能力进行了评价.该模型被初步应用于大涡模拟近壁模型的构造.