[논문 리뷰] Dynamics of random pressure fields over bluff bodies: a dynamic mode decomposition perspective

Xihaier Luo, Ahsan Kareem|arXiv (Cornell University)|2019. 03. 26.

Model Reduction and Neural Networks참고 문헌 50인용 수 8

한 줄 요약

이 연구는 난류 흐름에서 각지체에 작용하는 랜덤 압력장 분석을 위해 증강된 동적 모드 분해(DMD) 방법을 제안한다. 제한된 풍동 데이터에서 시간 지연 좌표를 활용해 시공간적 공명 구조를 추출함으로써 고유 주파수와 증가/감쇠 역학을 갖는 구조를 분리한다. 고유직교분해(POD)와 달리 DMD는 단일 주파수 모드를 고립시키며, 정육각형체 표면의 소용리 흐름과 경계층 유동에서의 난류 에너지 전이 기구와의 연관성을 드러낸다.

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.

연구 동기 및 목표

• 난류 흐름에서 각지체의 랜덤 압력장 분석 시 고유직교분해(POD)가 단일 모드 내에서 다수의 시간 주파수를 혼합하는 한계를 해결하기 위해.
• 고프만 연산자 이론적 모델링을 통해 고차원 관측 공간에서 비선형 압력 역학을 선형화하기 위해.
• 타케인스의 임bedding 정리를 활용해 시간 지연 좌표를 도입함으로써 제한된 풍동 데이터를 보완하여 압력 역학의 정확한 스펙트럼 분석을 가능하게 하기 위해.
• 기존의 고전적 POD와 비교하여 제안된 증강 DMD가 특정 주파수와 시간 진동을 갖는 공명 구조를 고립하는 능력을 입증하기 위해.
• 식별된 DMD 모드를 카르만 소용리 흐름과 난류에서의 에너지 전이와 같은 물리적 바람 흐름 현상으로 해석하기 위해.

제안 방법

• 경계층 흐름에서 축소 모형의 시간 시리즈 압력 데이터에 동적 모드 분해(DMD)를 적용하며, 고프만 스펙트럼 성질을 근사하기 위해 시간 이동 쌍 행렬을 사용한다.
• 타케인스의 임베딩 정리를 활용해 시간 지연 좌표를 포함시켜 상태 공간을 재구성함으로써, 위상적 구조를 유지하면서 제한된 실험 데이터를 풍부화시킨다.
• 시간 지연 압력 시퀀스를 활용해 증강된 데이터셋을 구성함으로써 고프만 연산자의 수치적 근사 정확도를 향상시키고, 시공간 공명 구조를 해소한다.
• 특정 주파수, 공간 패턴 및 시간 증가 또는 감쇠 속도와 관련된 DMD 고유모드를 계산하며, 시공간 수직성을 확보한다.
• DFT와의 비교를 통해 스펙트럼 결과를 검증하고, 매크로-, 메조-, 마이크로 스케일에서 모드의 시간 진동을 분석한다.
• 시각적 및 스펙트럼 분석을 통해 식별된 DMD 모드를 말굽형 소용리 형성 및 카르만 소용리 흐름과 같은 물리적 흐름 메커니즘과 연관지운다.

실험 결과

연구 질문

• RQ1 동적 모드 분해(DMD)는 고유직교분해(POD)의 주파수 혼합 문제를 극복하고, 명확한 시간 주파수를 갖는 공명 압력 구조를 성공적으로 고립할 수 있는가?
• RQ2 DMD 모드의 공간적 및 시간적 특성은 난류 경계층 흐름에서의 소용리 흐름과 에너지 전이와 같은 물리적 현상과 어떻게 관련되는가?
• RQ3 증강된 DMD에서 시간 지연 좌표의 사용이 제한된 풍동 데이터로부터 동적 공명 구조의 해상도를 어느 정도 향상시키는가?
• RQ4 DMD 모드의 증가/감쇠 속도는 각지체 표면의 압력장 에너지 분포와 구조적 역학과 어떻게 상관되는가?
• RQ5 DMD 모드는 매크로 스케일 소용리 발달과 마이크로 스케일 난류 변동과 같은 특정 흐름 메커니즘을 물리적으로 해석할 수 있는가?

주요 결과

• 증강된 DMD는 고유직교분해(POD)와 달리 단일 주요 주파수를 갖는 공명 압력 구조를 성공적으로 고립한다.
• 매크로 스케일 DMD 모드는 저주파수, 안정적인 행동를 보이며, 말굽형 소용리 형성과 같은 전체 압력 역학을 포함하여 상당한 에너지 기여를 한다.
• 메조 스케일 DMD 모드는 주기적인 카르만 소용리 흐름을 나타내며, 기대되는 소용리 흐름 주파수와 일치하는 명확한 시간 주기성을 보인다.
• 마이크로 스케일 DMD 모드는 고주파수 변동과 국소화된 공간 패턴을 보이며, 소규모 난류 에디와 순순한 압력 증가를 나타낸다.
• 7개의 시퀀스에서 다양한 시간 간격(Δt, 5Δt, 10Δt)으로 시각화된 DMD 모드의 시간 진동은 시공간 공명 역학을 확인하며, 애니메이션 시퀀스는 온라인에서 제공된다.
• DMD 스펙트럼은 DFT 결과와 강한 일치를 보이지만, 개별 공명 구조와 관련된 주파수를 더 높은 해상도로 식별하는 데서 우수한 성능을 보인다.