[论文解读] Proper orthogonal decomposition closure models for fluid flows: Burgers equation

Omer San, Traian Iliescu|arXiv (Cornell University)|Aug 14, 2013

Model Reduction and Neural Networks参考文献 36被引用 67

一句话总结

本文提出并评估了10种用于流体流动的本征正交分解降阶模型（POD-ROM）的闭包模型，以带移动激波的1维Burgers方程作为测试平台。这些模型包括新型涡粘性与能量守恒型模型，在保持低计算成本的同时，显著提高了标准Galerkin POD-ROM-G的精度，其中POD-ROM-R与POD-ROM-RQ在参数调优下表现最佳。

ABSTRACT

This paper puts forth several closure models for the proper orthogonal decomposition (POD) reduced order modeling of fluid flows. These new closure models, together with other standard closure models, are investigated in the numerical simulation of the Burgers equation. This simplified setting represents just the first step in the investigation of the new closure models. It allows a thorough assessment of the performance of the new models, including a parameter sensitivity study. Two challenging test problems displaying moving shock waves are chosen in the numerical investigation. The closure models and a standard Galerkin POD reduced order model are benchmarked against the fine resolution numerical simulation. Both numerical accuracy and computational efficiency are used to assess the performance of the models.

研究动机与目标

• 开发并评估POD-ROM在流体流动中的新闭包模型，特别是针对标准POD-ROM-G失效的湍流或激波主导系统。
• 在简化但具有挑战性的设置——带移动激波的1维Burgers方程中，评估这些模型的性能，为后续应用于复杂3D流动奠定基础。
• 基于精度、计算效率和参数敏感性，对闭包模型进行全面比较。
• 识别在POD-ROM流体动力学中实现精度与计算成本最佳权衡的闭包模型。
• 为未来研究动态参数选择及超越快照训练区间的预测能力奠定基础。

提出的方法

• 提出三类闭包模型：(1) 基于POD模态的常数涡粘性模型，其系数依赖于模态；(2) 受Smagorinsky LES启发的动态涡粘性模型；(3) 避免自由参数的能量守恒模型。
• 使用1维Burgers方程作为测试问题，以模拟移动激波，实现对闭包模型性能的可控评估。
• 从高保真DNS快照中生成POD模态，并通过Galerkin投影将控制方程投影到降阶POD子空间。
• 在统一框架内引入10种闭包模型，包括三种新模型，以实现一致比较。
• 对自由参数（如涡粘性系数）进行参数敏感性研究，以评估鲁棒性与最优调参范围。
• 基于误差范数与计算成本，将所有模型与精细分辨率DNS及标准POD-ROM-G进行对比。

实验结果

研究问题

• RQ1 哪种闭包模型在近似带移动激波的Burgers方程动力学方面提供最高精度？
• RQ2 每种闭包模型的计算成本与标准POD-ROM-G及DNS相比如何？
• RQ3 闭包模型对自由参数选择的敏感性如何？最优参数范围是什么？
• RQ4 更复杂的闭包模型（如动态或能量守恒型）是否显著优于更简单的常系数模型？
• RQ5 闭包模型的性能能否从1D Burgers方程推广到更复杂的3D湍流流动？

主要发现

• 所有10种闭包模型在精度上均显著优于标准POD-ROM-G，后者无法正确捕捉激波特性的动力学。
• 在两个测试问题中，POD-ROM-R与POD-ROM-RQ模型在最小化误差范数方面始终优于其他模型。
• 在追踪POD系数时间演化时，POD-ROM-R与POD-ROM-RQ再次表现出优越性能，尽管其他多个模型也具有竞争力。
• 所有闭包模型的计算成本均与POD-ROM-G相当（每项实验约4秒），远低于DNS（95–130秒）。
• 尽管计算开销更高，能量守恒模型（POD-ROM-C）与动态Smagorinsky模型（POD-ROM-S）并未带来更高的精度，表明在此测试案例中复杂性并无优势。
• 研究结论认为，当参数经过仔细调优时，基于POD模态的常数涡粘性模型在Burgers方程中最为有效。