Dinamiskas Modu Dekompozīcijas metodes aprobācija magnētiskās mikrokonvekcijas skaitliskajā modelēšanā

Abstract

Viena no aktuālākajām problēmām mikrofluidikā ir efektīva šķidrumu samaisīšana. Magnētiska mikro-konvekcija ir plūsmas nestabilitāte, kas ir potenciāla samaisīšanas metode, izmanto ārēju perpendikulāru magnētisko lauku, lai samaisītu magnētisku un nemagnētisku šķidrumu. Šajā darbā tiek izmantota dinamisko modu dekompozīcija (DMD), kas skaitliskus datus sadala telpiskās modās, kas svārstās un aug, vai dilst laika gaitā. Katra dinamiskā moda sevī spēj ietvert informāciju par dažādiem telpas un laika mērogiem. Darbā tiek ieviesta modificēta DMD algoritma versija, kas to padara spējīgu ņemt vērā telpiskas simetrijas. Modificētais DMD algoritms tiek izmantots, lai analizētu magnētiskā mikro-konvekcijas sistēmu skaitliskās modelēšanas datus, lai iegūtu papildus informāciju par "pirkstu" augšanu un formu.

One of the most relevant problems in microfluidics is the efficient mixing of liquids. Magnetic micro-convection is a flow instability which is a potential mixing method that uses an external perpendicular magnetic field to mix magnetic and non-magnetic fluids. This work uses an algorithm called dynamic mode decomposition (DMD), which decomposes numerical time series data into spatial modes oscillate and either grow or decay over time. Each dynamic mode is capable of containing information about different spatial and temporal scales. In this work, a modified version of the DMD algorithm is introduced, which makes it able to account for spatial symmetries. The modified DMD algorithm is used to analyse numerical and experimental data of magnetic micro-convection systems to obtain additional information on the growth and shape of the "fingers".