Hesaplamalı akışkan dinamikler (CFD), Navier-Stokes akışlarının doğru simülasyonu, uçak kanat tasarımından rüzgar çiftliği optimizasyonuna kadar uzanan geniş çaplı kısmi türevli denklemler için (DNS), büyük eddy simülasyonu (LES), veya Reynolds-averajlı Navier-Stokes (RANS) – bu tür belirsizliği ortadan kaldırmak için temelsiz bir yük devreleri çözmek için sayısal yöntemlere cevap vermek.

Bu makale, ROM'ların hızlı Navier-Stokes akış tahminleri için kapsamlı bir bakış sunar. ROM'ların ne olduğunu ve neden önemli olduklarını tanımlamaya başlıyoruz. Sonra, onları inşa etmek için kullanılan temel matematiksel tekniklerin üzerinden yürüyoruz -proper veyathogonal decomposition (POD), ayrık ampirasyon yöntemi (DEIM), dinamik mod dekompozisyon (DMD) ve önümüzdeki makine öğrenme yaklaşımlarını nasıl hızlandıracağız.

Azal sipariş modelleri nedir?

Az sayıdaki model, orijinal tam sipariş modelinin (FOM) hakim özelliklerini koruyan karmaşık dinamik bir sistemin basitleştirilmiş bir gösterimidir. FOM, temsil edilen verilerinden inşa edilen yüksek boyutlu alt uzaylara ilişkin karar verir. ROM, FOM'nin bu DOF'ların çok daha küçük bir sete indirgenmesinden daha hızlı çözülebilir.

Anahtar fikir, birçok sıvı akışlarının tutarlı yapıları – periyodik vortex hedding, ayrılık balonları veya jet inst yükümlülükler – bu sınırlı sayıda modla tanımlanabilir.Bu temel kalıpların odaklandığında, ROM her küçük ölçekli eddy veya çalkantılı dalgalanmaları hesaplama ihtiyacını atlar.Bu, ROM'ları özellikle de parasal hızların önemli olduğu uygulamalar için değerli kılar: online kontrol, dijital ikizler, multi-kry çalışmalar (örneğin, parametre süpürücüler veya optimizasyon) ve daha az güçlü donanımda simülasyonu sağlar.

ROM'ları inşa etmek için anahtar yöntemler

Navier-Stokes için bir ROM inşa etmek genellikle üç aşamayı içerir: yüksek sadakat eğitimi verileri üretmek, düşük boyutlu bir temel almak ve sonra yönetim denklemlerini bu temele hazırlamak.Son birkaç on yıl içinde, birkaç yöntem ortaya çıktı, her biri kendi güçlü ve sınırlamaları ile.

Proper Orthogonal Decomposition (POD)

[FONT:0)Proper orthogonal decomposition[[DÜT:1) - ayrıca temel bileşen analizi (PCA) veya Karhunen-Loève diğer alanlarda genişleme - en yaygın kullanılan teknik, ROM'lar için sıvı dinamikler için yapılır. yüksek sadakat simülasyon veya deney modlarından (örneğin, hız alanları birçok zaman zamandaki özellikleri veya parametre değerleri) sipariş edilir.

Bir ROM inşa etmek için, kullanıcı bir transkript sırasını seçer:0))[FOD modları sayısı (Işıklar) ile ilgili olarak, tam hız alanı, bu modların lineer bir kombinasyonu olarak yaklaşık olarak yapılır ve Navier-Stokes denklemleri, orta Wilson numaralarına ve PODROM özelliklerini genişletir.

Discrete Empirical Interpolation Method (DEIM)

Standart POD-Galerkin yaklaşımının bir sınırlaması, projelendirilmiş sistemin hala zaman başına hesaplamaları gerektirmesidir - Navier-Stokes denklemleri - tam yüksek boyutlu operatörü değerlendirmek ve sonra projelendirme yöntemi[N)[Dönemli bir şekilde bu şişenin genişletildiği gibi, ayrı ayrı ayrı bir şekilde genişletilebilir.

DEIM, tam ağ büyüklüğünden gelen doğrusal değerlendirme maliyetini etkili bir şekilde ayırmaktadır, 100 ila 1000 arasında bir doğruluk kaybıyla simülasyonları hızlandırabilir.O(r) ROMT:2.O(r2)[DD)[D)[D)[D) ile birlikte, kombine edilen POD-DEIM ROM, ölçümler hız kaybı ile 100 ila 1000 arasında bir faktörle hızlanabilir.

Dinamik Mode Decomposition (DMD)

POD enerji bazlı modları çıkarırken, 0:0)dinamik mod dekompozisyon), koherent spatiotemporal kalıpları ve onların evrimi. DMD decomposes snapshot verileri belirli bir frekans ve büyüme / kesinti oranı ile ilişkili olarak ele alır. Bu, özellikle de periyodik veya yarı zamanlı davranışı sergileyerek yararlı olur - bir silindirin arkasına sallanan vortex gibi - her DMD modları fiziksel bir osilasyona karşılık gelir.

Standart DMD algoritması, doğrusal olmayan dinamikleri yakından takip eden lineer bir operatör tarafından çalışır, anlıkleri sabit bir zaman adımla ayırmaktadır. Sonuç, POD-Galerkin için daha düşük sipariş modeli değildir, ancak özellikle de akışlar güçlü bir periyodiklik ve kullanıcı frekansı tanımlamak için yöntemi genişletir.

Makine öğrenme tabanlı ROMs

Derin öğrenmedeki son gelişmeler, yeni bir veri odaklı ROM'lar sınıfını tanıttı - örneğin, otoencoders, convolutional sinir ağları (CNNs), ve uzun kısa süreli bellek (LSTM) ağları - yüksek boyutlu akış verileri doğrudan anlık bir ağ tarafından modellendirilebilir. Örneğin, tam hız alanını düşük boyutlu bir uzaya sıkıştırır ve sonra yeniden yapılandırır.

Geleneksel POD tabanlı ROM'larla kıyaslanmış, ancak daha büyük bir eğitim veri setlerine güvenmeleri ve POD modlarının fiziksel yorumlanabilirliği konusunda daha esnek bir şekilde hareket edebilir. ancak, hem de doğrusal olmayan bir alt alana güvenmeleri için daha büyük bir araştırma alanları gerekir.

ROM inşaat iş akışı

Belirli yöntemin ne olursa olsun, Navier-Stokes için güvenilir bir ROM inşa etmek sistematik bir prosedür takip eder:

  1. [FONT=0]Problem tanımı[[Dönem: 0 3) Parametre alanını tanımlar (örneğin, Reynolds numarası, saldırı açısı, geometri varyasyonları) ve ROM'un kapladığı çalışma koşullarının aralığı.
  2. [FONT:0]Data nesli.[[DÜT:1] Yüksek sadakat simülasyonları çalıştırın veya zaman ve / veya parametre alanında anlık görüntüler dikkatlice seçilmiş bir setinde deney yapar. Bu anlıklar eğitim seti olarak hizmet eder.Bu verilerin kalitesi ve kapsamı kritiktir - yetersiz örnekleme zayıf genelleştirmeye yol açar.
  3. [FONT:0]Dimensionality azaltma [DDD, DMD veya düşük boyutlu bir alan çıkarmak için bir otoencoder uygulayın. uygun transkript rütbesini enerji çürümesi veya doğrulama hatasıyla takip edin.
  4. [FONT:0] Model inşaatı.[[DDDD-Galerkin için, bu, ODE'lerin sistemini azaltmak, DEIM veya hiper-redüksiyon tekniklerini entegre etmek.
  5. [FONT:0]Offline-online decomposition.[[Dönetici:0) Precompute mümkün olduğunca çok sayıda terim (örneğin, azalan matriks ve DEIM Interpolasyon indeksleri) çevrimdışı aşamada.
  6. [FONT=0]Validation and error analysis. ROM'u eğitimde kullanılmamış olan anlık görüntülere karşı test edin.Pottif L2 hatası gibi ölçümler hız veya basınçta başarısız olursa, daha fazla anlık görüntüler eklemeyi veya daha sofistike bir temel kullanarak düşünün.
  7. [FONT:0]İşçiliği[Dönetici:0) ROM'u hedef uygulamaya entegre eden bir uygulama olarak kabul edilir; gerçek zamanlı bir kontrol cihazı, bir tasarım optimizasyon döngüsü veya izleme için dijital ikiz.

Mühendislik disiplinleri ile ilgili uygulamalar

ROM'lar birçok endüstride pratik araçlar için akademik meraktan taşındılar. İşte somut bir etki haline getirdikleri üç alan var:

Havacılık Uzay Uzay Uzay Uzay

Uçak tasarımında, bir kanat veya tüm hava çerçevesini her bir Mach numarasının birleşimi için basitleştirmek, saldırı açısı ve fütür konfigürasyonu yasaklanmış durumda. ROM'lar, ön tasarım ve gerçek zamanlı uçuş simülasyonu için hızlı aerodinamik veritabanı sağlar. Örneğin, bir POD-ROM, bir transonik havafoil anlık görüntüler üzerinde eğitilmiştir.

Otomotiv Otomotiv Otomotiv Otomotiv

Araba üreticileri ROM'ları dış aerodinamik için, sıcaklık yönetimi ve kabin iklim kontrolü için kullanıyor. Bir araç şekli üzerinden akışın azaltımı için kullanılan batarya soğutma simülasyonları için hızla vücut konsüllerinde optimizasyon algoritmaları ile çiftleştirilebilir.For elektrikli araçlar, pil soğutma simülasyonları için saatlerce çalıştırılan ROM'lar tarafından değiştirilebiliyor.

Çevre Mühendisliği

Çevre sıvı dinamiklerinde ROM'lar kentsel alanlarda kirletici dağılımı tahmin etmeye yardımcı olur, karmaşık arazi üzerinde rüzgar modelleri veya petrol kirliliğinin yayılması nedeniyle bu uygulamalar genellikle çeşitli meteorolojik koşullarla birçok simülasyon gerektirir, ROM'lar olasılıksal tahminler oluşturmak için pratik bir yol sağlar. Araştırmacılar ayrıca mevcut ve dalga yayılımı tahminleri için POD-ROMlar kullandılar ve emisyonlar destekleyebilirler.

Meydanlar ve kısıtlamalar

Başarılarına rağmen, Navier-Stokes için ROM'lar birkaç kalıcı zorlukla karşı karşıya kalır:

  • [FONT=0)Stability.[[DÜDÜT:1] Navier-Stokes denklemlerinin Galerkin projeksiyonları, özellikle konveksiyon-dominated akışlar için sayısal olarak azaltılabilir sistemlere sahip olabilir. Çeşitli stabilizasyon stratejileri, yapay vizorasyonlar, enerji tasarrufu sağlamak veya Petrov-Galerkin projeksiyonları kullanmak gibi mevcut.
  • [FONT:0] Parametrik sağlamlık.[[DÜT:1] Bir ROM, bir dizi parametrede eğitilmiştir (örneğin, Re=1000) genellikle parametrelerin değiştiğinde kötü performans gösterir (örneğin, Re=500 veya Re=2000).
  • [FONT=0]Nonlinearity and kaos. Turbulent akışlar ve kaotik sistemler, perturbasyonlara karşı doğal olarak hassastır. Alt uzay için düşük seviyeli bir tahmin, enerji kalibreli veya geçici yaklaşımlar (otokoducular, recurrent ağlar) yardımcı olabilir, ancak büyük, yüksek kaliteli eğitim setleri ve dikkatli bir şekilde yüksek kaliteli eğitim setleri gerektirir.
  • [FONT:0)Data kullanılabilirlik.[[Dönetici 1] Gözlem matrisinin kendisi, pahalı olabilecek tam sipariş simülasyonunu birden çok kez çalıştırmasını talep ediyor. Adaptif örnekleme, deneysel veriler ve eğitim yükünü azaltan fizik-bilgisi stratejileri, araştırma alanlarıdır.

Future yön

Akışkan dinamikleri için azaltılan modelleme alanı hızla gelişmektedir. Mevcut sınırlamaların üstesinden gelmek için ortaya çıkan birkaç trend:

  • [FONT:0)Fiziksel-bilgili sinir ağları (NPINs)[FONTT:1) Navier-Stokes denklemleri, kayıp işlevinde yumuşak bir kısıtlama olarak dahil ederek, PINNs doğrudan koruma yasalarına saygı göstererek ROM'ları öğrenebilir.
  • [FONT:0]Non-intrusive ROMs.[[D-Galerkin, geleneksel POD-Galerkin, tam sipariş edilen koda tam sipariş edilen sistem için erişim gerektirir.
  • [FONT:0) Çok ölçekli ve çok-fiziksel ROM'lar.[DÜT:1] Gerçek dünya mühendisliği sorunları genellikle ısı transfer, yapısal deformasyon veya kimyasal reaksiyonlarla birkaç sıvı akışı sağlar. Farklı ölçeklerde birden fazla etkileşimde bulunabilen ROM'lar bölmeli yaklaşımlar ve onor yöntemler kullanılarak geliştirilir.
  • [FONT:0)Autoencoder-based latent dinamikleri Bu yöntemleri 3D problemlere genişletip uzun entegrasyon zamanlarında bir nöral ODE ile istikrar sağlama konusunda söz verdi.
  • [UQ) [UQ) [FONT:0)) CEKETİM (UQ) [UQ)) [UQ))) ..............)))))))))))))))))))))))) ROM inşaat işlemine sıkı bir şekilde giriş yapar.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Sınırlı sipariş modelleri, Navier-Stokes akış tahminlerini mühendislik uygulamasında hızlandıracak şekilde zorunlu bir araç haline geldi.Komsal akış fiziği kompakt, hesaplamalı ucuz sistem, ROM'lar gerçek zamanlı kontrol, hızlı tasarım araştırmaları ve çok yönlü çalışmalar, doğru veya doğrulayıcı olmayan yöntemlerle düşünülemez hale getirir.

Yol ileriye dönük olarak, her CFD uygulayıcının aracı haline gelmek için daha sağlam, parametreli ROM'lar inşa etmeyi ve daha hızlı, daha akıllı ve daha duyarlı tasarım süreçlerini uzaysal ve çok ölçekli akışlar ile idare etmeyi sürdürüyoruz. Araştırma sınırları zorlamaya devam ettikçe, ROM'ların her CFD uygulayıcının aracı haline gelmesini bekleyebiliriz - daha hızlı, daha akıllı ve daha hızlı bir şekilde tasarlayarak, otomotiv, enerji ve çevre mühendisliği ile ilgili tasarım süreçleri.

POD'nin temelleri üzerinde daha fazla okuma için, [[Çabuk:0)Wikipedia giriş uygun veya sağda kullanılabilir[DÜye Olmayanlar 1:1).[DÜye Olmayanlar İçindeki Azadlar, Gördünler ve Sorensen (2010)[DÜye Olmayanlar İçin Tıklayınız.)[DÜye Olmayanlar[DÜye Olmayanlar İçin Pratik Bir Uygulamalı Linkler*