[论文解读] Lagrangian basis method for dimensionality reduction of convection dominated nonlinear flows

Rambod Mojgani, Maciej Balajewicz|arXiv (Cornell University)|Jan 16, 2017

Model Reduction and Neural Networks参考文献 26被引用 37

一句话总结

该论文提出了一种拉格朗日基方法，用于对对流主导的非线性流体流动进行模型降阶，通过在拉格朗日参考系中演化计算域，实现了仅使用少数全局基函数即可高效压缩具有移动激波和尖锐梯度的波状解。与传统欧拉方法相比，该方法通过捕捉此类解中固有的低秩结构，显著提升了性能，实验验证了其在带激波的标量对流-扩散方程和欧拉方程中的有效性。

ABSTRACT

Foundations of a new projection-based model reduction approach for convection dominated nonlinear fluid flows are summarized. In this method the evolution of the flow is approximated in the Lagrangian frame of reference. Global basis functions are used to approximate both the state and the position of the Lagrangian computational domain. It is demonstrated that in this framework, certain wave-like solutions exhibit low-rank structure and thus, can be efficiently compressed using relatively few global basis. The proposed approach is successfully demonstrated for the reduction of several simple but representative problems.

研究动机与目标

• 为解决传统基于投影的模型降阶（MOR）方法在压缩具有移动激波、间断和尖锐梯度的解时的失效问题。
• 开发一种通用且简洁的降维框架，保留全局基结构的同时处理波状动力学。
• 证明在拉格朗日参考系中，波状解表现出低秩结构，从而可仅用极少的基函数实现高效压缩。
• 为将MOR扩展至复杂、对流主导的流动问题奠定基础，此类问题中欧拉方法因谱效率低下而失效。

提出的方法

• 该方法在拉格朗日参考系中表述流动演化，其中状态和计算网格位置均使用全局基函数进行近似。
• 它在拉格朗日参考系中对解快照进行低秩近似，通过求解一个修改后的秩约束优化问题（公式3.5）来构建基函数。
• 状态和网格位置分别投影到由全局基矩阵Uw和Ux张成的降维子空间中，从而实现降阶建模。
• 该方法在拉格朗日参考系中采用伽辽金投影，得到随移动网格演化的降阶系统。
• 该方法与所采用的超还原技术无关，因此可兼容现有的超还原策略以实现进一步的计算加速。
• 它利用本征正交分解（POD）生成基函数，但同样适用于其他方法如DMD或Koopman模式。

实验结果

研究问题

• RQ1 在拉格朗日框架中，是否可以使用全局基函数高效压缩具有移动激波和尖锐梯度的波状解？
• RQ2 为何传统欧拉参考系下的基于投影的MOR方法在处理此类解时会失效？通过改变参考系是否可以克服这一失效？
• RQ3 拉格朗日表述是否揭示了在欧拉参考系中不可压缩的解的低秩结构？
• RQ4 少量全局基函数是否能准确表示对流主导流动中复杂的激波特性的动态？
• RQ5 所提出的方法是否可推广至更高维或更复杂的流体动力学问题？

主要发现

• 对于雷诺数Re = 1000的标量Burgers方程，采用k = 2个基函数的拉格朗日ROM解与高保真模型（HFM）几乎无法区分，而欧拉ROM在激波附近表现出显著振荡。
• 在变截面喷管流动问题中，k = 2的拉格朗日ROM准确捕捉了µ10工况下的激波特性和密度分布，而欧拉ROM则显示出显著误差和振荡。
• 在对流-扩散问题中，拉格朗日ROM在k = 5时实现了低于10−3的相对误差，而欧拉ROM需k = 15才能达到类似精度。
• 该方法表明，具有移动间断的解在拉格朗日参考系中表现出低秩结构，从而仅用少数全局基函数即可实现高效压缩。
• 该方法在收敛性和稳定性方面显著优于传统欧拉MOR，如图4所示的误差衰减曲线所示，尤其在含激波的问题中表现更优。
• 拉格朗日框架实现了对多个参数实例（µ1至µ10）中激波特性的精确表示，仅用k = 2个基函数即可捕捉完整的参数变化。