[論文レビュー] Dynamics of random pressure fields over bluff bodies: a dynamic mode decomposition perspective

Xihaier Luo, Ahsan Kareem|arXiv (Cornell University)|Mar 26, 2019

Model Reduction and Neural Networks参考文献 50被引用数 8

ひとこと要約

本研究では、限られた風洞実験データからの遅延座標を用いて、ぶつり体の乱れた圧力場を分析するための拡張された動的モード分解（DMD）手法を提案する。この手法により、周波数が明確に分離された空間的・時間的連続構造を抽出でき、それぞれが成長・減衰のダイナミクスを示す。主成分分析（POD）とは異なり、DMDは単一周波数のモードを分離できるため、角柱上での渦巻きの発生や境界層流れにおける乱流スケーリング機構との関連が明確に示される。

ABSTRACT

Aerodynamic pressure field over bluff bodies immersed in boundary layer flows is correlated both in space and time. Conventional approaches for the analysis of distributed aerodynamic pressures, e.g., the proper orthogonal decomposition (POD), can only offer relevant spatial patterns in a set of coherent structures. This study provides an operator-theoretic approach that describes dynamic pressure fields in a functional space rather than conventional phase space via the Koopman operator. Subsequently, spectral analysis of the Koopman operator provides a spatiotemporal characterization of the pressure field. An augmented dynamic mode decomposition (DMD) method is proposed to perform the spectral decomposition. The augmentation is achieved by the use of the Takens's embedding theorem, where time delay coordinates are considered. Consequently, the identified eigen-tuples (eigenvalues, eigenvectors, and time evolution) can capture not only dominant spatial structures but also identify each structure with a specific frequency and a corresponding temporal growth/decay. This study encompasses learning the evolution dynamics of the random aerodynamic pressure field over a scaled model of a finite height prism using limited wind tunnel data. The POD analysis of the experimental data was also carried out. To demonstrate the unique feature of the proposed approach, the DMD and POD based learning results including algorithm convergence, data sufficiency, and modal analysis are examined. The ensuing observations offer a glimpse of the complex dynamics of the surface pressure field over bluff bodies that lends insights to features previously masked by conventional analysis approaches.

研究の動機と目的

• ぶつり体の乱れた圧力場を解析する際、主成分分析（POD）が単一のモード内に複数の時間周波数を混合するという限界を解消すること。
• 高次元の観測空間における非線形圧力ダイナミクスを線形化するため、Koopman作用素に基づく作用素理論的モデリングを適用すること。
• 時間遅延座標を用いたTakensの埋め込み定理により、限られた風洞データを拡張し、圧力ダイナミクスの正確なスペクトル解析を可能にすること。
• 提案された拡張DMDを古典的PODと比較し、特定の周波数と時間的変化を持つコherent構造を分離できる能力を示すこと。
• 識別されたDMDモードを、カルマン渦の発生や乱流におけるエネルギー伝達といった物理的風流現象として解釈すること。

提案手法

• 境界層流れ中のスケールモデル角柱からの時系列圧力データに動的モード分解（DMD）を適用し、Koopmanスペクトル特性を近似するために、時間シフトを伴うペアド行列を用いる。
• Takensの埋め込み定理を用いて、遅延座標を組み込むことで状態空間を再構築し、トポロジー構造を変更せずに限られた実験データを豊かにする。
• 時間遅延圧力系列を用いて拡張データセットを構築し、Koopman作用素の数値近似を向上させ、空間的・時間的連続構造を解明する。
• 特定の周波数、空間的パターン、および時間的成長・減衰率に関連するDMD固有モードを計算し、空間的・時間的直交性を保証する。
• DMDスぺクトルを離散フーリエ変換（DFT）と比較し、マクロ、メソ、マイクロスケールにおけるモードの時間的変化を分析することで、結果の妥当性を検証する。
• 視覚的およびスペクトル的解析を通じて、識別されたDMDモードを馬蹄型渦の形成やカルマン渦の発生といった物理的流れ機構と関連付ける。

実験結果

リサーチクエスチョン

• RQ1 動的モード分解（DMD）は、主成分分析（POD）の周波数混合の限界を克服し、明確に分離された時間周波数を持つ圧力構造を効果的に分離できるか？
• RQ2 DMDモードの空間的・時間的特性は、乱流境界層流れにおける渦巻き発生やエネルギー伝達といった物理現象とどのように関連するか？
• RQ3 限られた風洞データから動的連続構造の分解能を向上させるために、遅延座標を用いた拡張DMDがどの程度効果を発揮するか？
• RQ4 DMDモードの成長・減衰率は、ぶつり体上での圧力場のエネルギー分布および構造的ダイナミクスとどの程度相関するか？
• RQ5 DMDモードは、マクロスケールの渦発展やマイクロスケールの乱流揺らぎを表す具体的な流れ機構として物理的に解釈可能か？

主な発見

• 拡張DMDは、PODが単一モード内で複数周波数を混合するのとは異なり、単一の支配的周波数を持つ圧力構造を効果的に分離した。
• マクロスケールDMDモードは低周波数で安定した挙動を示し、馬蹄型渦の形成を含む全体の圧力ダイナミクスを捉えており、顕著なエネルギー寄与を示した。
• メソスケールDMDモードは周期的カルマン渦の発生に対応し、期待される渦巻き周波数と一致する明確な時間的周期性を示した。
• マイクロスケールDMDモードは高周波数の揺らぎと局所的空間パターンを示し、小スケールの乱流渦および即時の圧力上昇を示唆した。
• 7つの時間間隔（Δt, 5Δt, 10Δt）での異なる時間スケールにおけるDMDモードの時間的変化の可視化により、連続的な空間的・時間的ダイナミクスが確認された。アニメーションデータはオンラインで提供可能である。
• DMDスぺクトルはDFT結果と強い一致を示したが、個々の連続構造とその関連周波数を識別する分解能が向上していた。