[논문 리뷰] Model reduction techniques for linear constant coefficient port-Hamiltonian differential-algebraic systems

Sarah‐Alexa Hauschild, Nicole Marheineke외 1명|arXiv (Cornell University)|2019. 01. 29.

Model Reduction and Neural Networks참고 문헌 30인용 수 7

한 줄 요약

이 논문은 선형 일정 계수 포트-해밀토니안 미분대수방정식계(pHDAEs)에 대해 구조를 유지하는 모델 순서 축소 기법을 제안하며, 기저 에너지 구조, 대수적 제약 조건 및 수용성(passivity)을 유지한다. 구조를 유지하는 색인 감소를 통해 기존의 모멘트 매칭 및 힘/유량 제약 방법을 pHDAEs에 적응시켜, 특정 점에서 모멘트 매칭 시 오차가 O(10−15) 수준이며, 주파수 전역에서 ECRM의 경우 오차가 O(10−5) 수준으로 매우 높은 정밀도의 근사치를 제공한다.

ABSTRACT

Port-based network modeling of multi-physics problems leads naturally to a formulation as port-Hamiltonian differential-algebraic system. In this way, the physical properties are directly encoded in the structure of the model. Since the state space dimension of such systems may be very large, in particular when the model is a space-discretized partial differential-algebraic system, in optimization and control there is a need for model reduction methods that preserve the port-Hamiltonian structure while keeping the (explicit and implicit) algebraic constraints unchanged. To combine model reduction for differential-algebraic equations with port-Hamiltonian structure preservation, we adapt two classes of techniques (reduction of the Dirac structure and moment matching) to handle port-Hamiltonian differential-algebraic equations. The performance of the methods is investigated for benchmark examples originating from semi-discretized flow problems and mechanical multibody systems.

연구 동기 및 목표

• 다중물리 문제에서 유도되는 대규모 포트-해밀토니안 미분대수방정식계(pHDAEs)의 모델 순서 축소 필요성 해결.
• 축소 과정에서 포트-해밀토니안 구조, 수용성, 에너지 보존 및 명시적·암묵적 대수적 제약 조건 유지.
• 차 differentiation 색인 1 또는 2인 pHDAEs에 대해 기존의 구조 유지 축소 기법—모멘트 매칭 및 힘/유량 제약 방법—적응 적용.
• 계수 행렬에 담긴 물리적 성질, 즉 J의 반대칭성, R과 E의 양의 준정적성, 수용성 등을 유지하는 축소 모델 확보.

제안 방법

• pHDAEs에서 미분 변수와 대수 변수를 분리하기 위해 구조 유지 정규화 개념 적용하여 동적 상태에 대한 타겟 축소 가능.
• 제약 행렬(예: GT)의 특이값 분해(SVD)를 사용하여 중복 변수(예: v1 = 0) 식별 및 제거하고 기저의 ODE 시스템 유도.
• 특정 점 s₀ ∈ ℂ ∪ {∞}에서 갈레르킨 투영을 통한 모멘트 매칭 구현(예: s₀ = ∞ 및 s₀ = 10⁻¹⁰), 전이 함수 모멘트 일치.
• 힘 제약 방법(ECRM)과 유량 제약 방법(FCRM)을 적용하여 축소 모델에서 딜라크 구조와 에너지 균형 유지.
• 축소된 시스템이 pHDAE 구조를 유지하도록 힘, 소산, 상호연결 행렬을 축소된 형태로 유지.
• 스펙트럼 및 H∞-노름을 사용하여 근사 품질 평가하며, 다양한 축소 크기 r에 대해 ECRM, FCRM 및 모멘트 매칭 비교.

실험 결과

연구 질문

• RQ1 대수적 제약 조건이 존재하는 pHDAEs에 대해 모멘트 매칭을 효과적으로 적응시킬 수 있으며, 포트-해밀토니안 구조와 수용성을 유지할 수 있는가?
• RQ2 색인-1 또는 색인-2 구조를 가진 pHDAEs 축소에서 힘 제약 및 유량 제약 방법의 성능은 어떠한가? 정확도 및 안정성 면에서 상대적 우수성은 무엇인가?
• RQ3 FCRM에서 유도된 피드스러프 항목이 고주파수 근사 오차에 미치는 영향은 무엇이며, ECRM 및 모멘트 매칭과 비교해 볼 때 어떤가?
• RQ4 축소 점 s₀(예: s₀ = ∞, s₀ = 10⁻¹⁰, s₀ = 0)의 선택이 스펙트럼 및 H∞-노름에서 모멘트 매칭의 정확도에 미치는 영향은 어떠한가?
• RQ5 구조 유지 모델 축소가 반산분할 흐름 및 다물체 시스템에서 물리적 성질(에너지 보존, 안정성 등)을 어느 정도 유지할 수 있는가?

주요 결과

• s₀ = ∞에서의 모멘트 매칭은 고주파 응답에서 스펙트럼 노름 기준 상대 오차가 O(10⁻¹⁵) 수준을 기록하여 고주파에서 거의 정확한 근사치를 제공한다.
• s₀ = 10⁻¹⁰에서의 모멘트 매칭 역시 저주파 응답에서 동일한 낮은 오차(O(10⁻¹⁵))를 기록하여 우수한 국소 근사 품질을 입증한다.
• 힘 제약 방법(ECRM)은 모든 주파수에서 균일하게 양호한 근사 품질을 확보하며 오차가 O(10⁻⁵) 수준으로 나타나, H∞ 및 H2-노름에서 모멘트 매칭보다 1~2개 정도의 오차 주기 우월하다.
• FCRM는 ECRM와 유사한 근사 행동을 보이나, 축소 과정에서 유도된 추가 피드스러프 항목으로 인해 고주파수에서 오차가 점차 누적되는 경향이 있다.
• g = 6000인 스프링-질량 시스템의 경우 축소 모델 크기 n₁ = 11999이며, s₀ = ∞ 또는 s₀ = 10⁻¹⁰에서의 모멘트 매칭이 전이 함수 근사에서 매우 정확한 결과를 도출한다.
• ECRM의 성능은 라플라스 균형을 적용한 균형 절단과 유사하며, 이는 전역 오차 최소화에서의 강건성을 확인한다.