[论文解读] Interpolation-Based Model Order Reduction for Polynomial Parametric Systems
该论文提出了一种基于插值的模型降阶（MOR）方法，用于多项式参数化系统，采用广义多变量传递函数和受Loewner启发的算法，自动构建高质量的降阶模型。该方法保持了原始系统的非线性结构，并实现了精确且高效的仿真，同时通过CUR矩阵近似进一步降低了降阶系统中非线性项的计算成本。
In this work, we investigate a model order reduction scheme for polynomial parametric systems. We begin with defining the generalized multivariate transfer functions for the system. Based on this, we aim at constructing a reduced-order system, interpolating the defined generalized transfer functions at a given set of interpolation points. Furthermore, we provide a method, inspired by the Loewner approach for linear and (quadratic-)bilinear systems, to determine a good-quality reduced-order system in an automatic way. We also discuss the computational issues related to the proposed method and a potential application of CUR matrix approximation in order to further speed-up simulations of reduced-order systems. We test the efficiency of the proposed methods via several numerical examples.
研究动机与目标
- 开发一种针对高维参数化多项式动态系统的自动、基于插值的模型降阶方法。
- 为d阶多项式系统定义广义多变量传递函数，以实现基于插值的MOR。
- 将Loewner框架从线性和双线性系统扩展到一般多项式参数化系统。
- 通过CUR矩阵近似降低降阶系统中非线性项的计算复杂度。
- 在降阶模型中保持原始非线性结构，以提升精度。
提出的方法
- 为d阶多项式参数化系统定义广义多变量传递函数，以表征在不同参数和频率下的输入-输出行为。
- 构建一个降阶系统，使其在参数域和频率域中选定的插值点处插值原始系统的广义传递函数。
- 基于Petrov-Galerkin投影，使用类似Loewner的算法自动生成降阶模型，无需预先的仿真数据。
- 采用单侧或双侧投影推导降阶系统，其中双侧投影可获得更高精度。
- 利用CUR矩阵近似压缩降阶系统中的非线性项，降低计算成本，同时保持精度。
- 将降阶系统集成到时域仿真中，以验证其精度与效率。
实验结果
研究问题
- RQ1基于插值的MOR能否有效从线性和双线性系统扩展到一般多项式参数化系统？
- RQ2如何为d阶多项式系统定义广义多变量传递函数，以实现基于插值的降阶？
- RQ3基于Loewner启发的算法能否在无需快照或先前仿真数据的情况下自动生成高质量的降阶模型？
- RQ4CUR矩阵近似在多大程度上降低了降阶非线性项中的计算复杂度？
- RQ5在降阶模型中保持原始非线性结构是否能带来更好的近似精度？
主要发现
- 双侧投影生成的降阶模型显著优于单侧投影，在时域仿真中具有更低的相对误差。
- 双侧投影与CUR近似的结合在保持高精度的同时，仅导致与无CUR的双侧模型相比轻微的质量下降。
- 对单侧降阶系统应用CUR近似也表现良好，表明其在不同投影策略下均具鲁棒性。
- 性能最佳的降阶系统（双侧加CUR）在所有测试参数值和输入下，相对误差均低于10^-7。
- 所提方法保持了原始非线性项的多项式结构，因此生成的降阶模型比忽略结构特性的方法更精确。
- 对数或随机选择的插值点有效，但基于误差估计的自适应选择可进一步提升效率。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。