[논문 리뷰] Robust Reduced-Order Model Stabilization for Partial Differential Equations Based on Lyapunov Theory and Extremum Seeking with Application to the 3D Boussinesq Equations

Mouhacine Benosman, Jeff Borggaard외 1명|arXiv (Cornell University)|2016. 04. 15.

Extremum Seeking Control Systems참고 문헌 21인용 수 3

한 줄 요약

이 논문은 파라미터 불확실성에 대해 저항력 있는 라플라스 기반 폐쇄 모델을 사용하여 편미분방정식(PDE)에 대한 강건한 축소차원 모델(ROM) 안정화 방법을 제안한다. 폐쇄 모델의 자유 매개변수는 모델 기반 다중파rametric 극대화 탐색(MES) 알고리즘을 통해 자동으로 조정되며, 3D 부시네스크 방정식의 시뮬레이션에서 정확도와 안정성이 향상됨을 보여주며, 최적의 매개변수 μₑ ≈ 0.85 및 μₙₗ ≈ 1.25×10⁻⁶로 수렴한다.

ABSTRACT

We present some results on stabilization for reduced-order models (ROMs) of partial differential equations. The stabilization is achieved using Lyapunov theory to design a new closure model that is robust to parametric uncertainties. The free parameters in the proposed ROM stabilization method are optimized using a model-free multi-parametric extremum seeking (MES) algorithm. The 3D Boussinesq equations provide a challenging numerical test-problem that is used to demonstrate the advantages of the proposed method.

연구 동기 및 목표

• POD-ROM이 시간이 지남에 따라 안정성을 잃는 경우 PDE의 축소차원 모델링에서 안정적인 모델 축소 문제를 해결하기 위해.
• 축소차원 시스템 내의 파라미터 불확실성에 대해 강인한 폐쇄 모델을 개발하기 위해.
• PDE 모델에 대한 사전 지식이 없이도 모델 기반 학습 접근법을 사용하여 폐쇄 모델 매개변수를 최적화하기 위해.
• 자연대류 및 유체 제어 응용 분야에 관련된 중요한 모델인 도전적인 3D 부시네스크 방정식에 대해 이 방법을 검증하기 위해.
• 폐쇄 매개변수의 자동조정을 통해 난류 흐름 시나리오에서 장기 예측 정확성과 안정성을 향상시키기 위해.

제안 방법

• 라플라스 이론을 사용하여 ROM 계수의 파라미터 불확실성 하에서도 강인한 안정성을 보장하는 새로운 폐쇄 모델을 유도하였다.
• 폐쇄 모델은 선형 난류 점성도 항(μₑ)과 비선형 점성도 항(μₙₗ)의 두 구성요소를 포함하며, 이는 안정화 메커니즘으로 작용한다.
• 자유 매개변수 μₑ와 μₙₗ는 ROM-PDE 해 오차 기반 비용 함수를 최소화하는 다중파arametric 극대화 탐색(MES) 알고리즘을 통해 최적화된다.
• MES 알고리즘은 두 주파수(ω₁ = 10 rad/sec, ω₂ = 50 rad/sec)에서 정현파 교란을 사용하고, 적응형 이득(a₁ = 0.08, a₂ = 10⁻⁷)을 적용하여 기울기 유사 업데이트를 추정한다.
• 비용 함수 Q(μ)는 POD-ROM 해와 진짜 PDE 해를 감소된 공간에 투영한 것 사이의 시간 적분 L² 오차로 정의된다.
• 이 방법은 Re = 4.964×10⁴, Pr = 0.712, Gr = 7.369×10⁷이며, 변수당 8개의 POD 모드를 사용하는 이방향으로 가열된 캐비티 내 3D 레일리-베나르 대류 문제에 적용되었다.

실험 결과

연구 질문

• RQ1 PDE의 파라미터 불확실성 하에서도 ROM에서 강인한 안정성을 보장할 수 있는 라플라스 기반 폐쇄 모델을 설계할 수 있는가?
• RQ2 PDE 모델에 대한 사전 지식 없이도 모델 기반 학습 접근법을 사용하여 폐쇄 모델 매개변수를 자동으로 조정하여 ROM 예측 오차를 최소화할 수 있는가?
• RQ3 제안된 방법은 기존 갈릴레오 ROM과 비교해 복잡한 3D PDE인 부시네스크 방정식에 대해 POD-ROM의 정확성과 안정성을 크게 향상시키는가?
• RQ4 3D 대류 문제에서 ROM과 진짜 PDE 해 사이의 오차를 최소화하는 폐쇄 모델 매개변수 μₑ와 μₙₗ의 최적 값은 무엇인가?
• RQ5 실제 3D 유체역학 시험 케이스에서 MES 알고리즘이 최적의 매개변수 값으로 수렴하는 데 얼마나 빠른가?

주요 결과

• 학습 비용 함수는 첫 20회 반복 이내에 급격히 감소하여 MES 조정 중 ROM 정확도 향상 속도가 빠르다는 것을 나타낸다.
• MES 알고리즘이 최적의 폐쇄 모델 매개변수 μₑ ≈ 0.85 및 μₙₗ ≈ 1.25×10⁻⁶로 성공적으로 수렴하였으며, 이는 비용 함수가 수렴 임계값에 도달했기 때문이다.
• 속도 및 온도 오차 프로파일(그림 9 및 10)은 명시적 갈릴레오 ROM(그림 5 및 6)에 비해 상당한 감소를 보이며, 개선된 해의 정밀도를 입증한다.
• 학습된 μₑ 및 μₙₗ 매개변수의 프로파일(그림 12 및 13)은 초기 비용 감소 이후에도 지속적인 정밀 조정이 이루어지고 있음을 나타내어 강인한 적응 능력을 시사한다.
• 제안된 방법은 장기간 동안 안정적이고 정확한 ROM 예측을 수행하였으며, 최대 78초까지의 시간 간격에서 기존의 표준 POD-ROM-G보다 뛰어난 성능을 보였다.
• 결과적으로, 라플라스 기반 폐쇄 모델과 MES 자동조정을 통한 방법은 난류 3D 부시네스크 유동에서 안정성과 예측 정확도를 모두 향상시킨다.