[논문 리뷰] Locally linear embedding for transient cylinder wakes

Arthur Ehlert, Christian Navid Nayeri외 2명|arXiv (Cornell University)|2019. 06. 18.

Fluid Dynamics and Vibration Analysis참고 문헌 34인용 수 11

한 줄 요약

이 논문은 Re=100에서의 일시적 원형 기둥 후류 흐름의 차원 감소를 위해 국소 선형 임bedding(LLE)을 제안하며, 1% 오차로 안정 상태, 고유모드, 소용리 방출 및 고조파를 포괄하는 이중 차원 다양체를 드러낸다. LLE는 50모드의 POD 분해보다 뛰어나며, 군집 기반 방법으로는 확보할 수 없는 저차원 역학을 드러낸다.

ABSTRACT

Reduced-order representations of an ensemble of cylinder wake transients are investigated. Locally linear embedding identifies a two-dimensional manifold with a maximum error of 1% from new snapshot data. This representation outperforms a 50-dimensional POD expansion from the same data and is not obtainable with cluster-based coarse graining of similar order. This manifold resolves the steady solution, the stability eigenmodes, the first post-transient POD modes, the intermediate vortex shedding structure as well as higher harmonics. The snapshot data are generated by a direct numerical simulation of the two-dimensional wake behind a circular cylinder at a Reynolds number of 100. The initial conditions of the 16 transients start near the steady solution and converge to the period vortex shedding. Many oscillatory flows can be expected to be characterized on two- or low-dimensional manifolds identifiable with locally linear embedding. These manifolds have unexplored potential for prediction, estimation and control.

연구 동기 및 목표

• 원형 기둥 후류의 일시적 역학을 잘 포괄하는 저차원 다양체를 식별하기 위해.
• 국소 선형 임bedding(LLE)이 전통적인 차원 축소 모델링 기법보다 더 효과적으로 복잡한 일시적 후류 행동을 표현할 수 있는지 평가하기 위해.
• LLE가 안정 상태, 고유모드, 소용리 방출 및 고조파와 같은 핵심 흐름 특징을 압축된 다양체에서 해석할 수 있는지 확인하기 위해.
• 동일한 데이터에 대해 LLE 성능을 POD 및 군집 기반 굴곡화와 비교하기 위해.
• LLE가 향후 유량 추정, 예측 및 제어 적용 분야에서의 잠재력을 탐색하기 위해.

제안 방법

• 2D 원형 기둥 후류의 직접 수치 시뮬레이션(DNS)에서의 스냅샷 데이터에 LLE를 적용한다.
• 높은 차원의 스냅샷 공간에서 이웃하는 데이터 포인트 간의 국소 선형 관계를 유지함으로써 두 차원의 다양체를 식별한다.
• 원래 스냅샷과 LLE 재구성 스냅샷 간의 비교를 통해 다양체 재구성 오차를 정량화한다.
• 동일한 데이터에 대한 50차원의 적절한 직교 분해(POD) 전개와의 성능을 비교 기준으로 삼는다.
• 유사한 차원의 군집 기반 굴곡화를 두 번째 비교 방법으로 사용하여 LLE의 장점을 평가한다.
• 안정 상태, 고유모드 및 소용리 방출 패턴과 같은 물리적 특징을 식별하기 위해 다양체의 구조를 분석한다.

실험 결과

연구 질문

• RQ1 국소 선형 임bedding은 정확히 일시적 원형 기둥 후류 역학을 표현하는 저차원 다양체를 식별할 수 있는가?
• RQ2 LLE 성능은 동일한 데이터를 재구성하는 데 있어 50모드의 POD 전개와 비교해 어떻게 되는가?
• RQ3 LLE는 안정 해, 안정성 고유모드 및 소용리 방출 구조와 같은 핵심 물리적 특징을 해석할 수 있는가?
• RQ4 LLE 다양체는 군집 기반 방법과 유사한 차원에서 해석되지 않는 고조파 및 중간 흐름 상태를 포괄할 수 있는가?
• RQ5 LLE 다양체는 향후 흐름 예측, 추정 및 제어 적용 분야에서의 잠재력은 어떠한가?

주요 결과

• LLE는 최대 1% 오차로 새로운 일시적 후류 스냅샷을 재구성하는 이중 차원 다양체를 식별한다.
• LLE 다양체는 안정 상태 해, 선형 안정성 고유모드 및 첫 번째 후진단 POD 모드를 높은 정밀도로 포괄한다.
• 다양체는 군집 기반 굴곡화로는 접근할 수 없는 중간 소용리 방출 구조 및 고조파를 해석한다.
• LLE는 동일한 일시적 데이터를 표현하는 데 있어 50차원 POD 전개보다 성능이 뛰어나, 더 우수한 저차원 표현을 나타낸다.
• 결과적으로 많은 진동하는 흐름이 LLE로 식별 가능한 두 차원 또는 저차원 다양체에 의해 본질적으로 지배될 수 있음을 시사한다.
• 식별된 다양체 구조는 복잡한 일시적 흐름의 예측 모델링, 상태 추정 및 제어에 대해 탐색되지 않은 잠재력을 드러낸다.