基于机器学习的降维方法用于周期流动现象的稳态建模
流体动力学
2023-11-16 v1
摘要
在为流体设计高效反馈控制律时，若模型能用线性常微分方程（ODE）表示，现代控制理论可成为有力工具。然而，对于强非线性和高维流体流动现象，通常难以找到这样的线性模型。在本研究中，我们提出了一种自编码器，将周期流动现象映射为由线性ODE控制的潜在动力学，称为伪辛线性系统提取自编码器（LEAE）。除自编码器的常规功能外，伪辛LEAE模拟辛时间积分格式，从而保持潜在变量的哈密顿量（即伪能量）守恒。我们证明了通过同时考虑向前和向后积分，所导出ODE的稳定性得到改善。此处，我们考虑以处的圆柱尾流作为典型周期流动现象。
引用
@article{arxiv.2311.08765,
title = {Machine learning based dimension reduction for a stable modeling of periodic flow phenomena},
author = {Hiroshi Omichi and Takeru Ishize and Koji Fukagata},
journal= {arXiv preprint arXiv:2311.08765},
year = {2023}
}
备注
6 pages, 4 figures