[论文解读] Variational Multiscale Proper Orthogonal Decomposition: Navier-Stokes Equations

Traian Iliescu, Zhu Wang|arXiv (Cornell University)|Oct 28, 2012

Model Reduction and Neural Networks参考文献 23被引用 7

一句话总结

该论文提出了一种用于湍流不可压缩Navier-Stokes方程的变分多尺度本征正交分解（VMS-POD-ROM）降阶模型，仅将涡粘性项引入小尺度解析模态以提升物理精度。该方法在Re=1000的三维流动模拟中实现了高计算效率，并在准确性上优于标准POD-G-ROM和混合长度ROM，数值验证了误差估计。

ABSTRACT

We develop a variational multiscale proper orthogonal decomposition reduced-order model for turbulent incompressible Navier-Stokes equations. The error analysis of the full discretization of the model is presented. All error contributions are considered: the spatial discretization error (due to the finite element discretization), the temporal discretization error (due to the backward Euler method), and the proper orthogonal decomposition truncation error. Numerical tests for a three-dimensional turbulent flow past a cylinder at Reynolds number Re=1000 show the improved physical accuracy of the new model over the standard Galerkin and mixing-length proper orthogonal decomposition reduced-order models. The high computational efficiency of the new model is also showcased. Finally, the theoretical error estimates are confirmed by numerical simulations of a two-dimensional Navier-Stokes problem.

研究动机与目标

• 为解决标准POD-G-ROM在湍流中因忽略高阶模态动力学而导致的物理精度差的问题。
• 开发一种降阶模型，通过变分多尺度框架捕捉被舍弃的POD模态的影响。
• 仅将涡粘性选择性地引入小尺度解析模态，以稳定解而不破坏大尺度动力学。
• 提供完整的误差分析，涵盖全有限元和后向欧拉离散化下的空间、时间及POD截断误差。
• 在二维和三维Navier-Stokes问题上对模型进行数值验证，确认理论误差估计并展示计算效率。

提出的方法

• 该方法采用本征正交分解（POD）从全阶解的快照数据集中提取主导模态。
• 应用变分多尺度（VMS）框架，通过投影算子将解分解为解析模态和未解析模态。
• 仅在小尺度解析模态（模态R+1至r）中添加涡粘性（EV）项，以建模亚格子尺度效应，而不污染大尺度动力学。
• 全离散化采用空间上的有限元法和时间上的后向欧拉法，速度与压力使用div-稳定FE对（P^m/P^{m-1}）。
• VMS-POD-ROM被表述为在降阶POD基上的伽辽金投影，EV项仅添加至低于解析尺度阈值R的模态。
• 误差分析涵盖空间（FE）、时间（后向欧拉）和POD截断误差，得出全面的理论误差界。

实验结果

研究问题

• RQ1 在湍流Navier-Stokes模拟中，与标准POD-G-ROM相比，仅将涡粘性应用于小尺度解析模态的VMS-POD-ROM是否能提升物理精度？
• RQ2 VMS-POD-ROM的误差相对于时间步长和解析模态数R的收敛速率如何？
• RQ3 空间、时间及POD截断误差对全离散化总误差的贡献分别是什么？
• RQ4 数值实现是否确认了为VMS-POD-ROM推导出的理论误差估计？
• RQ5 在三维湍流流动中，VMS-POD-ROM能否在显著提升精度的同时保持高计算效率？

主要发现

• 在$L^2$-范数下，$P_R$-VMS-POD-ROM的时间收敛率为$\mathcal{O}((\Delta t)^{0.96})$，接近预期的一阶收敛率。
• 总误差平方$\|\mathbf{u}^M - \mathbf{u}^M_r\|^2$相对于$\sum_{j=R+1}^d \|\bm{\varphi}_j\|_1^2 \lambda_j$的和呈二次收敛，收敛率为1.94，超过理论预测的1.0。
• 在Re=1000的三维绕圆柱流场中，$P_R$-VMS-POD-ROM在物理精度上优于标准POD-G-ROM和混合长度ROM。
• 该模型保持了高计算效率，当时间步长从$5\times10^{-3}$减小到$3.13\times10^{-4}$时，$L^2$-误差从$2.31\times10^{-2}$降低至$1.45\times10^{-3}$。
• 数值结果确认了理论误差估计，主导误差来源为EV项引入的POD截断误差。
• 误差估计在不同网格尺寸和时间步长下均表现稳健，$h^{2m}$和$\Delta t^2$量级约为$10^{-8}$，且POD误差贡献在渐近意义上占主导地位。