[논문 리뷰] Characteristic Lyapunov Vectors and the Shadowing Direction of a Chaotic Flow past a 3-D Cylinder at Reynolds Number 525

Angxiu Ni|arXiv (Cornell University)|2017. 11. 17.

Quantum chaos and dynamical systems참고 문헌 36인용 수 2

한 줄 요약

이 논문은 Re = 525에서 3차원 실린더를 둘러싼 난류 유동에서 특성 리아프노프 벡터(CLVs)와 비침습적 최소 제곱 그림자화(NILSS) 알고리즘을 사용하여 그림자 방향을 조사한다. CLV 각도를 통해 균일한 초구형성(hyperbolicity)을 확인하고, 16개의 불안정 방향을 검증하며, 장기 평균 목표 함수의 민감도를 계산하는 데 있어 그림자 방향의 물리적 유용성을 입증한다.

ABSTRACT

We can make two kinds of perturbations to a parametrized chaotic dynamical system: perturbations on initial conditions and on the parameter. Typically, for both perturbations, the first order approximation of the difference between the original and new trajectory grows exponentially. However, if we coordinate the two perturbations carefully, the first order approximation between the original and new trajectory remains bounded even as time goes to infinity: such first order approximation is called the shadowing direction. For the shadowing direction to exists, the dynamical system should satisfy the uniform hyperbolicity assumption, that is, the directions of different Characteristic Lyapunov Vectors (CLV) are distinct. In this paper, the chaotic dynamical system is a flow past a 3-D cylinder under Reynolds number 525. We first compute the 40 fastest growing CLVs. By plotting the flow field of CLVs, we discover that the flow pattern of different CLVs moves towards the high-dissipation area, as the growing rate of CLVs becomes negative. We also find that this flow problem has 16 unstable directions, which implies the attractor is low-dimensional. Moreover, by computing angles between different CLVs, we verify that this problem does satisfy the uniform hyperbolicity assumption. Next, we plot the flow field of the shadowing direction computed by the Non-Intrusive Least Squares Shadowing (NILSS) algorithm. Finally, we exhibit the physicality and usefulness of the shadowing direction by using it to compute the sensitivities of some long-time averaged objectives.

연구 동기 및 목표

• 3차원 실린더 유동으로 제어되는 난류 유체역학 시스템에서 그림자 방향의 존재성과 물리적 관련성을 조사한다.
• 그림자 방향이 존재하기 위해 필요한 균일한 초구형성 가정이 특성 리아프노프 벡터(CLVs) 간의 각도 분석을 통해 확인되는지 검증한다.
• 비침습적 최소 제곱 그림자화(NILSS) 알고리즘을 사용하여 그림자 방향을 계산하고, 그 유동장의 시각화를 수행한다.
• 그림자 방향이 난류 시스템에서 장기 평균 목표 함수의 민감도를 계산하는 데 어떻게 활용될 수 있는지 입증한다.

제안 방법

• 난류 유동 내 국소적 불안정성 구조를 분석하기 위해 40개의 빠르게 증가하는 특성 리아프노프 벡터(CLVs)를 계산한다.
• CLV의 유동장을 시각화하여 공간적 패턴을 파악하고, 고손산 영역과의 상관관계를 분석한다.
• CLV 간의 각도를 계산하여 균일한 초구형성 가정을 검증하고, 안정 다변량과 불안정 다변량의 명확한 방향성을 확보한다.
• 비침습적 최소 제곱 그림자화(NILSS) 알고리즘을 적용하여 매개변수 공간 내 그림자 방향을 계산한다.
• 계산된 그림자 방향의 물리적 구조를 분석하고, 기저 유동 역학과의 관계를 규명한다.
• 그림자 방향을 사용하여 장기 평균 목표 함수의 민감도를 계산하고, 그 물리적 관련성을 검증한다.

실험 결과

연구 질문

• RQ1 3차원 실린더를 둘러싼 Re = 525에서의 난류 유동은 특성 리아프노프 벡터(CLVs) 간의 방향성이 뚜렷하다는 점에서 균일한 초구형성 가정을 만족하는가?
• RQ2 그림자 방향의 공간적 구조는 무엇이며, 유동 역학과 손산 패턴과 어떻게 관련되어 있는가?
• RQ3 어떤 수의 불안정 방향이 애트랙터 내에 존재하는가? 이는 시스템의 차원성에 어떤 의미를 갖는가?
• RQ4 이 유체역학 시스템에서 NILSS 알고리즘이 비침습적으로 효과적으로 그림자 방향을 계산할 수 있는가?
• RQ5 계산된 그림자 방향은 물리적으로 의미가 있으며, 장기 평균 양의 민감도 분석에 실용적으로 유용한가?

주요 결과

• 시스템은 16개의 불안정 방향을 나타내며, 이는 난류 애트랙터가 저차원임을 시사한다.
• CLV 간의 각도 분석을 통해 균일한 초구형성 가정이 확인되어 잘 정의된 그림자 방향의 존재를 검증한다.
• CLV 유동장은 고성장률을 가지는 벡터가 고손산 영역에 국소화되어 있으며, 성장률이 음수로 전환됨에 따라 패턴이 변화함을 보여준다.
• NILSS를 통해 계산된 그림자 방향은 주요 유동 특징과 손산 영역에 정렬된 일관된 물리적 구조를 보인다.
• 그림자 방향을 통해 장기 평균 목표 함수의 민감도를 정확하게 계산할 수 있었으며, 이는 난류 시스템에서의 실용적 유용성을 입증한다.
• CLV와 그림자 방향의 유동 패턴은 고비터시티와 고에너지 손산 영역과 강한 상관관계를 보인다.