文献

J-GLOBAL ID：202202288712862798   整理番号：22A0652860

微分可能プログラミングによる圧縮性流のためのGalerkin縮小次数モデル【JST・京大機械翻訳】

Galerkin Reduced Order Models for Compressible Flows with Differentiable Programming

著者 (4件)： Chakrabarti Surya (The Ohio State University) ,  Gaitonde Datta V. (The Ohio State University) ,  Mohan Arvind T. (Los Alamos National Laboratory) ,  Livescu Daniel (Los Alamos National Laboratory)
資料名： AIAA Conference Proceedings / Meeting Papers  (AIAA Conference Proceedings / Meeting Papers)
巻： 2022  号： AIAA SCITECH 2022 Forum  ページ： 0373  発行年： 2022年 
JST資料番号： H0236B  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 縮小次数モデル(ROM)を用いた正確で計算的に安価な予測は,翼上の非定常流を安定化させるためのアクティブ予測制御戦略を容易にすることができる。離散化した固有直交分解(POD)基底上のNavier Stokes方程式を投影して導出したGalerkin投影ベース縮小次数モデル(GP-ROM)は,その低い計算コストと支配流体流方程式に基づく理論定式化のために広く採用されている。しかし,従来のGP-ROMは,較正にもかかわらず,長い時間帯にわたる予測に対して不安定性と不正確性に悩まされている。これらの問題に取り組むために,最近提案されたニューラルGalerkinプロジェクション(NeuralGP)procedure a-aは,文献において以前に提案された純粋データ駆動ニューラルネットワークベース技術に対して,物理駆動GP-ROM技法の強さをブレンドする微分可能プログラミングベースアプローチを実装した。2つの方法の予測能力を,バフェッティングNACA0012翼上の遷音速流に対して試験した。両技法は短時間予測層に対して正確な予測を与えるが,ニューラルGPROMだけが,振幅と周波数における較正されたGP-ROM発散により,より長い予測層にわたって基準POD係数を精確に追跡できる。結果は,較正されたGP-ROM法と比較して,従来の物理-診断ニューラルネットワークと比較して,計算的に高価で,より解釈可能である一方で,ニューラルGP技法の精度の増加を強調する。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： Navier-Stokes方程式 ,  遷音速流 ,  非定常流 ,  流体流 ,  バフェッティング ,  ニューラルネットワーク ,  精度 ,  安定化 ,  *微分 ,  不安定性 ,  定式化 ,  *圧縮性流
準シソーラス用語： 離散化 ,  計算コスト ,  予測能力 , 【Automatic Indexing@JST】

分類 (2件)： 流体動力学一般  (BC02010G) ,  高速空気力学  (BC03000C)

タイトルに関連する用語 (6件)： 微分 ,  プログラミング ,  圧縮性流 ,  縮小 ,  次数 ,  モデル