大規模動的システムのデータ駆動低次元モデリングにおけるLagrange構造の保存【JST機械翻訳】

Sharma Harsh; Kramer Boris

プレプリント

J-GLOBAL ID：202202213463596652 整理番号：22P0303011

大規模動的システムのデータ駆動低次元モデリングにおけるLagrange構造の保存【JST機械翻訳】

Preserving Lagrangian structure in data-driven reduced-order modeling of large-scale dynamical systems

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年03月12日プレプリントサーバーでの情報更新日： 2024年04月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

非線形波動方程式を含むLagrange系の低次元モデル(ROM)を学習するための非侵襲的物理保存法を示した。既存の侵入射影ベースモデル縮小アプローチは,線形部分空間上に完全次数モデル(FOM)のEuler-Lagrange方程式を射影することにより,構造保存Lagrange ROMを構築する。このGalerkin射影ステップは,FOMにおけるLagrange演算子についての完全な知識と計算機コードを操作するための完全アクセスを必要とする。対照的に,提案したLagrange演算子推論アプローチは,基礎となるLagrange構造を保存するデータ駆動モデル縮小法を開発するために,演算子推論フレームワークに力学を埋め込む。提案アプローチでは,射影スナップショットデータから学習できるLagrange ROMの形式およびパラメタリゼーションを定義するために,支配方程式(その離散化ではなく)の知識を利用した。この方法はFOM演算子や計算機コードへのアクセスを必要としない。数値結果は,Euler-Bernoulli梁モデル,sine-Gordon(非線形)波動方程式,および779,232自由度のソフトロボットフィッシュテールの大規模離散化に関するLagrange演算子推論を実証した。学習したLagrange ROMは,訓練時間間隔の遥かに外側と目に見えない初期条件の物理的解を正確に予測することができるので,よく一般化する。【JST機械翻訳】

, , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

数値計算 , 不均質流 , 流体動力学一般

, , , , ,

前のページに戻る