基于集合数据同化的气泡坍塌观测对粘弹性材料进行表征
摘要：通过测量气泡动力学来推断生物和医学系统的高应变率的黏弹性材料特性。Estrada等人（2018年）利用最小二乘射击方式最小化模拟和实验气泡半径历史之间的差异，证明了这种气泡动力学高应变率流变学的可行性。我们将他们的技术推广到考虑模型、初始条件和材料特性的附加不确定性，以唯一地模拟气泡动力学。基于集合的数据同化最小化了与气泡空化模型相关的计算开销。我们在合成数据上测试了集合卡尔曼滤波（EnKF）、迭代集合卡尔曼平滑（IEnKS）和混合集合4D-Var方法（En4D-Var），评估它们对Kelvin-Voigt材料的粘度和剪切模量的估计。结果显示，En4D-Var和IEnKS提供比EnKF更好的模量估计。将这些方法应用于Estrada等人（2018年）的实验数据，可以得到与他们所获得的类似的材料特性估计，但还提供了关于不确定性的额外信息。特别是，En4D-Var为某些实验提供了更低的粘度估计，动态估计器揭示了模型中无法解释的一种潜在机制，即由于气泡坍塌时发生的材料损伤导致某些情况下粘度降低。
作者：Jean-Sebastien Spratt (1), Mauro Rodriguez (1), Kevin Schmidmayer (1), Spencer Bryngelson (1), Jin Yang (2), Christian Franck (2), Tim Colonius (1) ((1) California Institute of Technology, (2) University of Wisconsin-Madison)
论文ID：2008.04410
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2023-01-09