实验数据驱动的孤立冰块流拖曳系数优化辨识与粗糙度影响研究

本文主要探讨了"基于试验数据优化辨识孤立冰块的流拖曳系数"这一主题，发表于2007年大连理工大学学报第47卷第6期。流拖曳系数在海冰动力学模型中扮演关键角色，它反映了冰块在水流作用下的运动阻力，具体分为摩拖曳系数（由底面剪切作用引起）和形拖曳系数（由侧面正压力作用引起）。研究者通过在实验室波流水槽设备中进行实验，对长方体平底、长方体粗糙底和圆饼形淡水冰样本进行了拖曳运动测试，收集了26组冰块运动数据。 作者们运用动量守恒原理和优化方法，构建了一个参数辨识模型，旨在精确估计这两种拖曳系数。他们通过对实验数据的深入分析，不仅确定了各自的系数值，还进一步探索了粗糙度对拖曳系数的影响。文章引入了两个描述表面粗糙度的指标——轮廓支承长度率和轮廓均方根偏差，通过统计分析揭示了粗糙度对流拖曳系数的显著影响。 值得注意的是，研究结果还揭示了摩拖曳系数与冰样长度和吃水深度的比例关系，这对于理解和预测冰山和浮冰在水流中的行为具有实际价值，特别是在海冰动力学模型的建立和改进中。文章的关键字包括“海冰”、“拖曳”、“粗糙度测量”和“参数辨识”，表明研究焦点集中在海冰的物理特性及其在海洋动力学环境中的行为。 这篇论文提供了实证数据支持的海冰动力学参数优化方法，对于提升海冰动力学模型的精度以及理解极端气候条件下海冰动态变化具有重要意义。通过结合理论与实验，作者们为今后的海冰研究提供了重要的参考依据。