随机载荷下声振耦合问题的高效低秩模型降阶
计算工程、金融与科学
2024-08-19 v1
摘要
本文将基于奇异值分解（SVD）的低秩矩阵近似与基于二阶 Krylov 子空间的模型降阶（MOR）相结合，以高效地将输入不确定性传播到给定的声振耦合模型中。该声振耦合模型由一块耦合到流体中的板组成，板因湍流边界层激励而向流体辐射声音。该激励由于湍流的随机性质而具有不确定性，且模拟具有随机强迫的耦合问题的计算成本非常高。该方法通过将 SVD 低秩近似的因子直接用作 MOR 算法的输入，以高效的方式近似输出不确定性，从而在自由度和样本数量方面降低模型评估成本。此处，未知向量的协方差矩阵仅需原评估数量的一小部分即可被高效近似。因此，该方法是进一步降低大规模声振耦合评估计算工作量的一个有前景的步骤。
引用
@article{arxiv.2408.08402,
title = {Efficient low rank model order reduction of vibroacoustic problems under stochastic loads},
author = {Yannik Hüpel and Ulrich Römer and Matthias Bollhöfer and Sabine Langer},
journal= {arXiv preprint arXiv:2408.08402},
year = {2024}
}