基于前向灵敏度方法估计非线性模型降阶中涡黏性闭合的方法
动力系统
2020-11-05 v2 流体动力学
摘要
本文提出一种变分方法，利用前向灵敏度方法 (FSM) 估计非线性降阶模型中用于闭合建模的涡黏性。FSM 是一种数据同化技术，将模型预测与含噪观测融合以修正初始状态和/或模型参数。我们将该方法应用于基于投影的降阶模型 (ROM)：一维粘性 Burgers 方程（以方形波定义运动激波）与二维涡量输运方程（描述 Kraichnan 湍流的衰减）。我们研究了该方法在不同测量配置下逼近涡黏性最优值的能力。具体而言，我们表明该方法可通过全流场或稀疏含噪测量充分同化信息，估计涡黏性闭合以修正标准 Galerkin 降阶模型 (GROM) 的预测。因此，我们的方法提供了一个模块化框架，用于在潜空间上修正来自稀疏观测网络的预报误差。我们强调所提出的 GROM-FSM 框架对新兴数字孪生应用具有前景，其中实时传感器测量可用于更新和优化代理模型参数。
引用
@article{arxiv.2005.10926,
title = {Forward sensitivity approach for estimating eddy viscosity closures in nonlinear model reduction},
author = {Shady E. Ahmed and Kinjal Bhar and Omer San and Adil Rasheed},
journal= {arXiv preprint arXiv:2005.10926},
year = {2020}
}