基于监测特征的降阶模型用于工程系统中的估计与不确定性量化
计算工程、金融与科学
2025-04-14 v2
摘要
降阶模型（ROM）因其作为计算密集型数字孪生模拟器的替代工具，在工程领域中发挥着 essential 的作用。虽然可用于ROM构建的纯数据驱动方法已有，但能够保留部分物理特性的方案往往能提升ROM的可解释性和泛化能力。然而，针对具有参数依赖性的非线性系统，基于物理的方法在实际应用中可能面临规模问题。本研究引入一种生成式基于物理的ROM，适用于具有参数依赖性的非线性系统，同时能够量化各类估计值所对应的置信水平。本工作的主要贡献之一在于将这些参数化ROM条件化处理，以适用于从监测测量中可派生的特征，实际操作中可实现在线化。与大多数现有ROM方案不同，后者局限于基于物理的、通常为先验未知的系统参数。本工作利用条件变分自编码器（conditional Variational Autoencoders），持续将所需的降维基映射到从有限输出测量中提取的特征向量中，同时允许对ROM估计的关键参数（Quantities of Interest）进行概率评估。引入一种辅助任务，使用神经网络对合适的概率分布进行参数化，以重新建立与物理模型参数之间的关联。我们在一系列包含几何效应和材料非线性、以及与系统属性和输入荷载特性相关的参数依赖性的仿真案例中验证了所提出方案。
引用
@article{arxiv.2407.17139,
title = {A Reduced Order Model conditioned on monitoring features for estimation and uncertainty quantification in engineered systems},
author = {Konstantinos Vlachas and Thomas Simpson and Anthony Garland and D. Dane Quinn and Charbel Farhat and Eleni Chatzi},
journal= {arXiv preprint arXiv:2407.17139},
year = {2025}
}