POD-Galerkin reduced order models and physics-informed neural networks for solving inverse problems for the Navier-Stokes equations
我们提出了一个降阶模型(ROM),利用物理信息神经网络(PINNs)的最新发展,解决反问题的纳维-斯托克斯方程(NSE)。在所提出的方法中,假设存在流体动力学场的模拟数据。然后通过在流场的快照矩阵上应用POD并将NSE(或在湍流建模的情况下的修改的方程)的Galerkin投影到POD缩减的基础上来构造POD Galerkin ROM。然后,通过引入深度神经网络来导出$\textit{POD-Galerkin PINN ROM}$,该深度神经网络用模型的时间和/或参数作为输入来近似减少的输出。神经网络将物理方程(POD-Galerkin简化方程)作为损失函数的一部分纳入其结构中。使用这种方法,简化的模型能够近似未知的参数,如物理常数或边界条件。通过两种情况来说明所提出的ROM的适用性的演示,这两种情况是绕着向后的台阶的定常流和绕着表面安装的立方体障碍物的非定常湍流。
2022-09-06 cs.NA math.NA physics.flu-dyn
Error Analysis of Supremizer Pressure Recovery for POD based Reduced Order Models of the time-dependent Navier-Stokes Equations
对于不可压缩流动模型,压力项用作拉格朗日乘子,以确保满足不可压缩性约束。在工程应用中,压力项是计算基于应力的重要量(如升力和阻力)所必需的。对于通过适当的正交分解生成的降阶模型,通常压力从方程中消失并产生仅速度的降阶模型。为了恢复压力,文献中已经对许多技术进行了数值研究;然而,这些技术几乎没有经过严格的分析。在这项工作中,我们研究了两个最流行的方法:压力恢复通过压力泊松方程和恢复通过动量方程通过使用一个supremizer稳定的速度基础。我们研究了每种方法所面临的挑战,并证明了稳定性和收敛结果的supremizer稳定的方法。我们还研究了数值的稳定性和收敛性的最大化的方法,除了它的性能对压力泊松方法。
2019-09-13 cs.NA math.NA
Optimal bounds for POD approximations of infinite horizon control problems based on time derivatives
本文提出一种基于时间导数的POD降阶方法,用于求解无限时域动态规划问题,利用最优误差界分析并克服维度灾难,数值实验验证了其有效性。
2024-11-05 cs.NA math.NA
POD-(H)DG Method for Incompressible Flow Simulations
采用隐式-显式混合间断Galerkin/间断Galerkin(IMEX HDG/DG)格式离散粘性Burgers方程和不可压Navier-斯托克斯方程,提出了一种基于本征正交分解(POD)的降阶方法.介绍了一种新型的闭包模型,该模型可以轻松地离线计算。数值结果验证了POD模型和闭合模型的正确性。
2020-04-17 cs.NA math.NA
Machine Learning enhanced parametric Reynolds-averaged Navier-Stokes equations at the full- and reduced-order levels
SISSA(的里雅斯特国际高等研究学校);Politecnico di Torino(都灵理工大学)
本研究将机器学习与RANS模型融合,用$\nu_t$-向量基神经网络生成FOM快照,对比PODG与PODNN,发现PODNN在湍流方管流预测中性能更优。
2026-08-11 cs.NA math.NA physics.flu-dyn
Reduced-Order Time Splitting for Navier-Stokes with Open Boundaries
本研究针对带开放边界的Navier-Stokes方程,提出结合时间分裂、开放边界非标准处理与POD降阶建模的加速方法,对比了完全侵入式与结合RBF数据驱动的混合POD-ROM的效率和精度。
2025-06-12 cs.NA math.NA
POD-Galerkin reduced order methods for combined Navier-Stokes transport equations based on a hybrid FV-FE solver
Universidade de Santiago de Compostela(圣地亚哥-德孔波斯特拉大学);University of Trento(特伦托大学);SISSA, International School for Advanced Studies(国际高等研究院)
本文提出了一种基于混合有限体积-有限元求解器的POD-Galerkin策略,用于求解不可压缩Navier-Stokes方程与附加传输方程的耦合问题,通过 staggered 网格实现降阶模型,并在两种网格上定义降阶基空间,采用压力投影方法重构压力项,通过三维制造测试案例和修改后的经典腔体测试验证结果。
2018-10-18 cs.NA math.NA physics.comp-ph
A higher-order ensemble/proper orthogonal decomposition method for the nonstationary Navier-Stokes equations
Florida State University(佛罗里达州立大学);Missouri University of Science and Technology(密苏里科技大学)
本文提出一种基于正交分解的高阶集合方法,用于高效求解非平稳纳维-斯托克斯方程,提升计算效率与稳定性。
2017-09-27 cs.NA math.NA
Data augmentation for the POD formulation of the parametric laminar incompressible Navier-Stokes equations
本文针对参数化层流不可压缩流动的POD降阶模型训练集稀疏问题,提出基于质量守恒和Oseen方程线性化动量平衡构造物理合理人工快照的数据增广策略,数值实验表明后者能显著提升降阶基的精度与效率。
2024-11-04 cs.CE cs.NA math.NA
A Leray regularized ensemble-proper orthogonal decomposition method for parameterized convection-dominated flows
本文提出了一种正则化集合-本征正交分解方法,用于减少计算成本并提高对流主导流动的模拟精度,同时改进了变量粘度集合算法的数值离散化。
2017-10-23 cs.NA math.NA
POD model order reduction with space-adapted snapshots for incompressible flows
本文考虑了非定常不可压Navier-Stokes方程基于本征正交分解(POD)的模型降阶问题,假设快照由空间自适应有限元解给出。我们提出了两种方法来获得稳定的POD-Galerkin降阶模型在这种情况下。在第一种方法中,压力项和连续性方程通过施加相对于压力参考空间的弱不可压缩性约束来消除。在第二种方法中,我们推导出一个inf-sup稳定的速度-压力降阶模型,通过丰富的速度约化空间上的速度参考空间计算的supremizers。对于非齐次Dirichlet条件的问题,我们展示了如何从标准自适应有限元计算中获得合适的提升函数。我们提供了一个数值比较所考虑的方法正则化盖驱动腔问题。
2019-08-01 cs.NA math.NA
An Ensemble-Proper Orthogonal Decomposition Method for the Nonstationary Navier-Stokes Equations
Florida State University(佛罗里达州立大学)
本文提出一种结合集合方法和正交分解的算法,用于高效求解非平稳纳维-斯托克斯方程多参数集解,提升计算效率与稳定性。
2016-11-15 cs.NA math.NA
POD-ROMs for incompressible flows including snapshots of the temporal derivative of the full order solution
本文研究了在不可压Navier-斯托克斯方程的本征正交分解(POD)方法的数值逼近中,包含接近速度时间导数的快拍的影响。我们的一组快照包括在初始时间的速度近似从全阶混合有限元法(FOM)连同近似的时间导数在不同的时间。在初始速度的近似值可以由在不同时间的速度的平均值代替,使得对波动实施该方法,如在实践中大多数情况下所做的那样,仅对时间导数的近似值被包括在快照集合中。对于POD方法,我们研究投影到$L^2$和$H^1$之间的差异。在这两种情况下逐点的时间误差界可以证明。在FOM和POD方法中包括梯度-div稳定,可以获得具有与粘度的倒数幂无关的常数的误差界。
2022-10-31 cs.NA math.NA
On the influence of the nonlinear term in the numerical approximation of Incompressible Flows by means of proper orthogonal decomposition methods
本文研究了不可压Navier-斯托克斯方程的本征正交分解(POD)方法.我们研究的情况下,其中一个离散化的非线性项中使用的快照(计算与全阶方法(FOM))和不同的离散化的非线性项中应用的POD方法。我们证明了一个额外的误差项出现在这种情况下,相比的情况下,其中相同的离散的非线性项适用于FOM和POD方法。然而,增加的项具有与来自FOM的误差相同的大小,使得POD方法的收敛速率几乎不受影响。我们分析的情况下,我们添加梯度-div稳定的FOM和POD的方法,因为它允许得到误差界与常数独立的粘度的逆幂。我们还研究了没有稳定化的情况。一些数值实验支持了理论分析。
2022-03-29 cs.NA math.NA
A Spectral Element Reduced Basis Method for Navier-Stokes Equations with Geometric Variations
SISSA mathLab, International School for Advanced Studies(国际高等研究院);Department of Mathematics, University of Houston(休斯顿大学数学系)
本文提出了一种基于高阶谱元方法的降阶模型,用于求解具有几何变化的Navier-Stokes方程,通过POD方法构建降阶空间,提高不同几何情况下稳态解的计算效率。
2019-04-26 cs.NA math.NA
Statistical Proper Orthogonal Decomposition for model reduction in feedback control
本文提出统计 POD 降阶方法,通过随机采样和最小化经验风险构建适用于非线性不稳定系统的低维模型,并以张量列格式快速在线评估反馈控制,在 Burgers 和 Navier-Stokes 方程上验证了其精度和速度优势。
2023-11-27 cs.NA math.NA math.OC
Reduced Basis Model Order Reduction for Navier-Stokes equations in domains with walls of varying curvature
本文考虑变曲率窄壁通道中的Navier-斯托克斯方程。通过应用经验插值方法来生成仿射参数依赖性,离线-在线过程可以用于计算参数变化的降阶解。降阶空间由稳态快照解通过标准POD程序计算。该模型是离散化与高阶谱元素ananimals功能,导致4752自由度。所提出的降阶模型产生精确的近似的稳态解的几何形状和运动粘度值的范围很广。激发本研究的应用是不对称的开始(即,对称性破坏分叉),这取决于雷诺数和瓣膜形状。通过计算研究,我们发现对称性破缺的临界雷诺数随壁面曲率的增大而增大。
2019-07-01 cs.NA math.NA
Second order reduced model via incremental projection for Navier Stokes
Xiamen University(厦门大学);Universidad de Sevilla(塞维利亚大学)
本文提出基于增量投影的简化模型用于纳维-斯托克斯方程,结合BDF2时间离散和有限元空间离散,采用POD方法构建降阶模型,实现二阶时间收敛性和计算效率验证。
2026-07-17 cs.NA math.NA
Autoencoders vs. Numerical Analysis--Informed Manifold Learning for Navier--Stokes Flows
Scuola Superiore Meridionale, School for Advanced Studies(南方高等研究院);SISSA International School for Advanced Studies Mathematics Area, mathLab(国际高等研究学校数学区数学实验室);Johns Hopkins University(约翰斯·霍普金斯大学);Institute of Science Technology for Energy Sustainable Mobility (STEMS) National Research Council (CNR)(国家研究委员会能源可持续交通科学与技术研究所);University of Naples “Federico II
本文用简约扩散映射替代自编码器进行非线性降阶建模,在旋转圆柱Navier-Stokes流中实现更优或相当的重建预测精度,且计算成本低几个数量级。
2026-09-22 cs.NA math.NA physics.flu-dyn
Surrogate normal-forms for the numerical bifurcation and stability analysis of navier-stokes flows via machine learning
Scuola Superiore Meridionale, School for Advanced Studies(南方高等研究院);SISSA International School for Advanced Studies Mathematics Area, mathLab(国际高等研究学院数学领域);Institute of Science Technology for Energy Sustainable Mobility (STEMS) Consiglio Nazionale delle Ricerche (CNR)(能源可持续交通科学与技术研究所(STEMS)意大利国家研究委员会(CNR));Dipartimento di Matematica e Applicazioni “Renato Caccioppoli
提出一种“嵌入-学习-提升”框架,利用扩散映射和GP回归构建最小维代理ROM,实现Navier-Stokes流的高效数值分岔与稳定性分析。
2026-06-03 cs.NA math.NA physics.flu-dyn
A Riemannian Barycentric Interpolation : Derivation of the Parametric Unsteady Navier-Stokes Reduced Order Model
提出子空间插值在非线性参数降阶模型(PROM)构造中的一个新应用。这种方法是基于由满秩N × q矩阵集与q维正交群的商所形成的流形的黎曼几何。通过使用一组未训练参数化的q维本征正交分解(POD)子空间,得到一个新的未训练参数的子空间作为广义Karcher重心,通过求解一个简单的不动点问题来求解该重心.与现有的PROM方法相反,所提出的重心PROM通过构造更容易实现,并且对于参数值的变化更灵活。为了评估重心PROM的潜力,数值实验进行了参数流的圆柱和驱动腔的流动时,雷诺数的值变化。结果表明,建议的重心PROM方法取得了有竞争力的结果,大大降低了计算成本。
2020-09-24 cs.NA math.NA physics.flu-dyn
No pressure? Energy-consistent ROMs for the incompressible Navier-Stokes equations with time-dependent boundary conditions
本文提出了一种新的求解不可压斯托克斯方程的降阶模型。该ROM是仅速度的,即,速度的模拟不需要压力的计算,并且保留动能演化的结构。新ROM的关键成分是分解成一个领域的速度与齐次边界条件和提升函数,满足质量方程与规定的齐次边界条件。这种分解受到亥姆霍兹-霍奇分解的启发,并表现出两个分量的正交性。这种正交性对于保持动能演化的结构是至关重要的。为了使评估的提升函数的效率,我们提出了一种新的方法,涉及一个明确的近似边界条件POD模式,同时保持正交的速度分解,从而结构的动能演变。我们表明,建议的速度只ROM是相当于一个速度压力ROM,即,模拟速度和压力的ROM。这种等价性可以推广到其他现有的速度-压力ROM,并揭示了他们的行为有价值的见解。通过对具有入流-流出边界条件的算例的数值试验,验证了新ROM的正确性和有效性,以及与速度-压力公式的等价性。
2022-12-22 cs.NA math.NA
PTPI-DL-ROMs: pre-trained physics-informed deep learning-based reduced order models for nonlinear parametrized PDEs
针对POD-DL-ROMs依赖训练数据、数据量不足时精度受限的问题,研究通过加入主干网络实现物理损失计算,结合预训练+微调策略提出PTPI-DL-ROMs,在多类PDE测试中验证了其精度与效率。
2024-05-14 cs.LG cs.NA math.NA
Reduced order methods for parametrized non-linear and time dependent optimal flow control problems, towards applications in biomedical and environmental sciences
本文提出采用POD-Galerkin降阶方法求解偏微分方程控制的参数化非线性与时间依赖最优流动控制问题,以显著降低计算开销,并在Stokes和Navier-Stokes方程的边界控制问题上验证了该方法的有效性。
2020-05-25 cs.NA math.NA
Projection-based Reduced Order Modelling for Unsteady Parametrized Optimal Control Problems in 3D Cardiovascular Flows
本文提出基于投影的降阶建模框架,用于三维心血管非定常参数化最优控制问题,通过嵌套POD实现离线-在线加速,在血管模型中验证了计算效率提升。
2025-04-25 cs.NA math.NA math.OC