[논문 리뷰] Recursive dynamic mode decomposition of a transient cylinder wake

Bernd R. Noack, Witold Stankiewicz외 2명|arXiv (Cornell University)|2015. 11. 21.

Fluid Dynamics and Vibration Analysis참고 문헌 20인용 수 17

한 줄 요약

이 논문은 적분형 동적 모드 분해(DMD)의 순수한 주파수 성분과 적분형 고유직교분해(POD)의 정규직교성 및 낮은 잔차를 결합한 데이터 기반 유동 분해인 재귀적 동적 모드 분해(RDMD)를 제안한다. RDMD는 시간 평균 잔차를 최소화하는 정규직교 부분공간에서 모드를 재귀적으로 추출하여, 단색 주파수 성분과 정확한 초기/순순적/점점 수렴하는 진폭 행동을 가지는 모드를 도출한다. 이는 동일한 스크래치 데이터에서 POD와 DMD를 모두 능가하는 리미트 사이클 역학의 해석 능력을 보인다.

ABSTRACT

A novel data-driven modal decomposition of fluid flow is proposed comprising key features of POD and DMD. The first mode is the normalized real or imaginary part of the DMD mode which minimizes the time-averaged residual. The N-th mode is defined recursively in an analogous manner based on the residual of an expansion using the first N-1 modes. The resulting recursive DMD (RDMD) modes are orthogonal by construction, retain pure frequency content and aim at low residual. RDMD is applied to transient cylinder wake data and is benchmarked against POD and optimized DMD (Chen et al. 2012) for the same snapshot sequence. Unlike POD modes, RDMD structures are shown to have pure frequency content while retaining a residual of comparable order as POD. In contrast to DMD with exponentially growing or decaying oscillatory amplitudes, RDMD clearly identifies initial, maximum and final fluctuation levels. Intriguingly, RDMD outperforms both POD and DMD in the limit cycle resolution from the same snaphots. RDMD is proposed as an attractive alternative to POD and DMD for empirical Galerkin models, with nonlinear transient dynamics as a niche application.

연구 동기 및 목표

• POD의 낮은 잔차와 정규직교성을 유지하면서 DMD의 순수한 주파수 성분을 달성하는 데이터 기반 모드 분해를 개발하는 것.
• DMD가 초기 및 점점 수렴하는 유동 진폭을 표현하는 데에 한계를 가지며, 종종 물리적으로 비합리적인 지수적 증가 또는 감소를 보이는 문제를 해결하는 것.
• 단일한 재귀적이고 비지도 기반 프레임워크를 통해 순순적 및 리미트 사이클 역학의 해상도를 향상시키는 것.
• 특히 비선형 순순적 유동 영역에서 경험적 갈레르킨 모델링을 위한 POD와 DMD의 강력한 대안을 제공하는 것.

제안 방법

• 스냅샷 데이터에 대한 전체 동적 모드 분해(DMD)를 수행하여 후보 모드를 추출한다.
• 첫 번째 RDMD 모드는 훈련 데이터 기간 동안 시간 평균 잔차를 최소화하는 DMD 모드의 정규화된 실수 또는 허수 부분으로 선택된다.
• 이후 모드들은 이전에 계산된 모드의 정규직교 보완 부분공간에서 재귀적으로 계산되며, 이를 통해 정규직교성이 자연스럽게 보장된다.
• 각 단계에서 현재 부분공간에서 잔차를 최소화하는 모드가 선택되어, 낮은 절단 오차를 유지한다.
• DMD의 고유모드 구조를 활용하여 단색 주파수 성분을 확보하면서도, 재귀적 투영을 통해 정규직교성을 강제함으로써 방법의 정합성을 확보한다.
• 해법은 순순적 실린더 유동 시뮬레이션에 적용되었으며, 결과는 POD와 최적화된 DMD(Chen 등, 2012)와 비교되었다.

실험 결과

연구 질문

• RQ1 데이터 기반 분해가 POD의 정규직교성과 낮은 잔차, DMD의 순수한 주파수 성분을 동시에 확보할 수 있는가? 이는 POD와 DMD의 한계를 극복할 수 있는가?
• RQ2 잔차 최소화 기반의 재귀적 모드 선택 방식이 순순적 및 리미트 사이클 유동 재구성의 정확성에 어떤 영향을 미치는가?
• RQ3 DMD가 진폭의 지수적 진동을 가정하는 데 비해, RDMD는 순순적 흐름에서의 초기, 최대, 최종 진동 수준을 DMD보다 더 잘 포착할 수 있는가?
• RQ4 동일한 스크래치 시퀀스에서 RDMD가 POD와 DMD보다 리미트 사이클 역학을 더 잘 해석하는가? 특히 점점 수렴하는 오차와 최대 절단 오차 측면에서 어떻게 성능이 뛰어나게 되는가?
• RQ5 비선형 순순적 흐름 제어 및 안정성 분석에서 감소 차원 모델을 구성하는 데 있어 RDMD는 실용적인 대안이 될 수 있는가?

주요 결과

• N=10 모드일 때, RDMD는 점점 수렴하는 절단 오차가 5%를 기록하며, 이는 POD의 10% 오차의 절반에 불과하고 DMD의 10% 오차보다도 현저히 낮다.
• RDMD의 최대 절단 오차는 28%이며, DMD의 46%와 비교해 우수하며, POD의 13%보다도 낮다. 이는 순순적 역학을 더 잘 포착함을 시사한다.
• RDMD 모드는 POD 모드가 공간 주파수와 시간 주파수를 혼합하는 것과 달리 거의 순수한 주파수 성분을 가지며, POD 수준의 잔차를 유지한다.
• RDMD는 초기, 최대, 최종 진동 수준을 명확히 식별하는 반면, DMD 모드는 진폭에서 물리적으로 비합리적인 지수적 증가 또는 감소를 보인다.
• 세 번째 고조파 주파수는 RDMD에서만 포착되었으며, POD나 DMD에서는 포착되지 않았다. 이는 RDMD가 리미트 사이클 특징의 해상도가 뛰어나다는 것을 보여준다.
• 동일한 스크래치 데이터에서 RDMD는 POD와 DMD를 모두 능가하여 리미트 사이클을 더 잘 해석한다. 이는 특히 순순적 및 제어 기반 모델링에 매우 적합하다.