Termo- og fluiddynamikk, fordypningsemne

Eksperimentelle eller numeriske undersøkelser av termo-væskesystemer fører typisk til store datamengder med høy oppløsning i rom og tid. Å hente ut relevant og nyttig innsikt fra disse dataene viser seg ofte å være like utfordrende som å generere den. Kurset introduserer klassiske og moderne begreper og metoder for dataanalyse som er spesielt relevante for termofluidsystemer, som elementær signal- og bildebehandling, diskret Fourier-analyse, koherente strukturer, virvelidentifikasjon, hovedkomponentanalyse, dynamisk modusdekomponering. Elementer av datavisualisering og presentasjon.

Kurset gir deltakerne tilgang til grunnleggende og avanserte teknikker for dataanalyse som er relevante for termo- og fluid systemer. Det gjør dem i stand til å velge og anvende egnede metoder for analyse av eksperimentelle eller numeriske data i sammenheng med et gitt forskningsspørsmål. Kursdeltakerne tilegner seg den teoretiske bakgrunnen for de dekkede metodene og ferdigheter for å implementere dem i et passende numerisk rammeverk. De skal være i stand til å anvende metodene og forstå deres teoretiske grunnlag.

Kunnskap:

- signal- og bildebehandling

- anvendt Fourier-analyse

- strukturidentifikasjon

- modale nedbrytninger

Ferdigheter:

- valg av passende dataanalysemetoder

- implementering av metoder i passende numerisk rammeverk

- nøyaktig og tydelig representasjon av eksperimentelle og numeriske data

Generell kompetanse:

- forståelse av den avgjørende rollen dataanalyse spiller i undersøkelsen av termo- og fluid systemer

- forbedret ferdighet i bruk av en databehandlingsapplikasjon

- kritisk vurdering av datarepresentasjon

Klassene er omtrent delt 50/50 inn i teori- og praksis økter. I teori økter blir den analytiske og numeriske bakgrunnen for de ulike metodene introdusert og illustrert med elementære eksempler. I praksis økter implementerer og anvender kursdeltakerne de lærte teknikkene på eksperimentelle og numeriske data fra gruppen vår (for eksempel trykksignaler, hastighetsfelt, flammebilder). Det er fordelt hjemmelekse gjennom hele kurset som utfordrer deltakernes ferdigheter og kreativitet i å trekke ut relevant informasjon fra syntetiske og reelle datasett.

Undervisningen skjer på engelsk.