.png){kind=icon}
返回
Block-Structured Operator Inference for Coupled Multiphysics Model Reduction
.png){kind=icon}
PRE
AI
DOI：10.2514/1.J065798.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种基于算子推理的块结构化公式，用于学习多物理场系统的结构化降阶模型。该方法为每个物理组件指定控制方程结构以及耦合项的结构。一旦指定了多物理场结构，降阶模型便遵循非侵入式算子推理方法论从快照数据中学习。除了保持物理系统结构（这反过来允许保持系统属性，如稳定性和二阶结构）外，块结构化方法还具有降低学习问题整体维度的优点，并为每个物理组件允许定制正则化。在气动弹性分析中，通过耦合气动和结构模型，展示了块结构化公式相对于整体算子推理公式的数值优势。对于AGARD 445.6机翼的基准测试案例，块结构化算子推理在亚音速和超音速流动条件下，在稳定和颤振参数范围内，相比整体算子推理提供了平均20%的在线预测加速，同时保持了与整体算子推理相同的精度。
Keyword:
Uncertainty Quantification
Nonlinear Aeroelastic Systems
Structural Modeling and Simulation
Proper Orthogonal Decomposition
Reduced Order Model
Multiphysics Simulation
Fluid Structure Interaction
Data-Driven Model
Nonlinear Dynamics
Model Order Reduction