Modelado de Orden Reducido Eficiente de Grandes Conjuntos de Datos Obtenidos de Simulaciones de Dinámica de Fluidos Computacional (CFD)
Autores: Holemans, Thomas; Yang, Zhu; Vanierschot, Maarten
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Modelado de Orden Reducido Eficiente de Grandes Conjuntos de Datos Obtenidos de Simulaciones de Dinámica de Fluidos Computacional (CFD)
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Mecánica
Palabras clave
Poder computacional
Simulaciones numéricas
Técnicas de reducción de orden del modelo
Modelado de orden reducido
Velocimetría de imágenes de partículas
Funciones base POD
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
El poder computacional en constante aumento ha desplazado las simulaciones numéricas directas hacia números de Reynolds más altos y las simulaciones de grandes remolinos hacia escalas de flujo relevantes para la industria. Sin embargo, este aumento en la resolución temporal y espacial ha incrementado severamente el costo computacional de las técnicas de reducción de orden del modelo. Reducir el conjunto de datos completo a un subconjunto más pequeño para realizar modelado de orden reducido (ROM) puede ser un método interesante para mantener el esfuerzo computacional razonable. Además, las mediciones de velocimetría de imágenes de partículas no tomográficas obtienen un conjunto de datos 2D de un campo de flujo 3D y una pregunta de investigación interesante sería cuantificar la diferencia entre este ROM 2D en comparación con el ROM 3D del campo de flujo completo. Para proporcionar una respuesta a ambos problemas, el objetivo de este estudio fue probar un nuevo método para obtener funciones base POD a partir de un pequeño subconjunto de datos inicialmente y utilizarlas posteriormente en el ROM ya sea del conjunto de datos completo o del conjunto de datos reducido. Por lo tanto, no se presenta un nuevo método de ROM, sino que demostramos un procedimiento para reducir significativamente el esfuerzo computacional requerido para el ROM de conjuntos de datos muy grandes y una cuantificación del error introducido al reducir el tamaño de esos conjuntos de datos. El método aplica descomposición en valores propios a un pequeño subconjunto de datos extraídos de una simulación 3D completa y los coeficientes temporales obtenidos se proyectan de nuevo en los campos de velocidad 3D para obtener los modos espaciales 3D. Para probar el método, se eligió un chorro anular como topología de flujo debido a su geometría simple y el rico contenido dinámico de su campo de flujo. Primero, se extrae un conjunto de datos más pequeño de los planos de sección transversal 2D y se realiza ROM en ese conjunto de datos. En segundo lugar, se reconstruyen las estructuras espaciales 3D completas proyectando los coeficientes temporales de nuevo en los campos de velocidad 3D y las estructuras espaciales 2D proyectando los coeficientes temporales de nuevo en los campos de velocidad 2D. Se demuestra que dos planos laterales perpendiculares son suficientes para capturar las estructuras relevantes a gran escala. Como tal, el tiempo total de procesamiento se puede reducir en un factor de 136 y se necesita hasta 22 veces menos RAM para completar el procesamiento de ROM.
Descripción
El poder computacional en constante aumento ha desplazado las simulaciones numéricas directas hacia números de Reynolds más altos y las simulaciones de grandes remolinos hacia escalas de flujo relevantes para la industria. Sin embargo, este aumento en la resolución temporal y espacial ha incrementado severamente el costo computacional de las técnicas de reducción de orden del modelo. Reducir el conjunto de datos completo a un subconjunto más pequeño para realizar modelado de orden reducido (ROM) puede ser un método interesante para mantener el esfuerzo computacional razonable. Además, las mediciones de velocimetría de imágenes de partículas no tomográficas obtienen un conjunto de datos 2D de un campo de flujo 3D y una pregunta de investigación interesante sería cuantificar la diferencia entre este ROM 2D en comparación con el ROM 3D del campo de flujo completo. Para proporcionar una respuesta a ambos problemas, el objetivo de este estudio fue probar un nuevo método para obtener funciones base POD a partir de un pequeño subconjunto de datos inicialmente y utilizarlas posteriormente en el ROM ya sea del conjunto de datos completo o del conjunto de datos reducido. Por lo tanto, no se presenta un nuevo método de ROM, sino que demostramos un procedimiento para reducir significativamente el esfuerzo computacional requerido para el ROM de conjuntos de datos muy grandes y una cuantificación del error introducido al reducir el tamaño de esos conjuntos de datos. El método aplica descomposición en valores propios a un pequeño subconjunto de datos extraídos de una simulación 3D completa y los coeficientes temporales obtenidos se proyectan de nuevo en los campos de velocidad 3D para obtener los modos espaciales 3D. Para probar el método, se eligió un chorro anular como topología de flujo debido a su geometría simple y el rico contenido dinámico de su campo de flujo. Primero, se extrae un conjunto de datos más pequeño de los planos de sección transversal 2D y se realiza ROM en ese conjunto de datos. En segundo lugar, se reconstruyen las estructuras espaciales 3D completas proyectando los coeficientes temporales de nuevo en los campos de velocidad 3D y las estructuras espaciales 2D proyectando los coeficientes temporales de nuevo en los campos de velocidad 2D. Se demuestra que dos planos laterales perpendiculares son suficientes para capturar las estructuras relevantes a gran escala. Como tal, el tiempo total de procesamiento se puede reducir en un factor de 136 y se necesita hasta 22 veces menos RAM para completar el procesamiento de ROM.