基于低秩动态模态分解的降阶控制
流体动力学
2020-01-08 v1
摘要
在本工作中，我们使用非侵入式数据驱动降阶模型对流体流动进行全状态 LQR 反馈控制。我们提出一种称为低秩动态模态分解（lrDMD）的模型降阶方法，其求解动态系统的秩约束线性表示。lrDMD 被证明相比标准最优模态分解（OMD）与动态模态分解（DMD）具有更低的数据重构误差，但代价是源于求解非凸矩阵优化问题而增加的计算成本。我们在全局不稳定区中的复杂线性化 Ginzburg-Landau 方程以及高攻角平板上的非定常流动上演示了模型降阶。在这两种情况下，使用由 DMD、OMD 和 lrDMD 构建的降阶模型构造了低维全状态反馈控制器。结果表明，lrDMD 以更低阶的控制器稳定了 Ginzburg-Landau 系统，并能够以低于 DMD 或 OMD 的代价抑制倾斜平板上的涡脱落。进一步表明，对于给定的秩，lrDMD 相对 DMD 和 OMD 给出了伴随系统的改进估计。
引用
@article{arxiv.1908.02249,
title = {Reduced-order control using low-rank Dynamic Mode Decomposition},
author = {Palash Sashittal and Daniel J. Bodony},
journal= {arXiv preprint arXiv:1908.02249},
year = {2020}
}
备注
journal submission