We propose a nonlinear registration-based model reduction procedure for rapid and reliable solution of parameterized two-dimensional steady conservation laws. This class of problems is challenging for model reduction techniques due to the presence of nonlinear terms in the equations and also due to the presence of parameter-dependent discontinuities that cannot be adequately represented through linear approximation spaces. Our approach builds on a general (i.e., independent of the underlying equation) registration procedure for the computation of a mapping $\Phi$ that tracks moving features of the solution field and on an hyper-reduced least-squares Petrov-Galerkin reduced-order model for the rapid and reliable computation of the solution coefficients. The contributions of this work are twofold. First, we investigate the application of registration-based methods to two-dimensional hyperbolic systems. Second, we propose a multi-fidelity approach to reduce the offline costs associated with the construction of the parameterized mapping and the reduced-order model. We discuss the application to an inviscid supersonic flow past a parameterized bump, to illustrate the many features of our method and to demonstrate its effectiveness.


翻译:我们建议采用非线性登记示范减少程序,以便迅速可靠地解决参数化的二维稳定保护法。由于等式中存在非线性术语,而且由于存在依赖参数的不连续现象,无法通过线性近似空间充分代表,这对模型减少技术具有挑战性。我们的方法基于一个通用(即独立于基本等式的)登记程序,用于计算用于跟踪解决方案字段移动特征的绘图(即独立于基本等式),以及用于快速和可靠计算解决方案系数的超降最小方位Petrov-Galerkin减序模型。这项工作的贡献是双重的。首先,我们调查基于登记的方法应用于二维双维双向双向系统的情况。第二,我们提出一个多纤维性方法,以减少与构建参数化绘图和减序模型有关的离线性成本。我们讨论了如何应用一个超声波流来快速和可靠地谱化碰撞,以说明我们的方法的许多特征并展示其有效性。

0
下载
关闭预览

相关内容

ACM/IEEE第23届模型驱动工程语言和系统国际会议,是模型驱动软件和系统工程的首要会议系列,由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来,模型涵盖了建模的各个方面,从语言和方法到工具和应用程序。模特的参加者来自不同的背景,包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛,参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会,并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。 官网链接:http://www.modelsconference.org/
专知会员服务
76+阅读 · 2021年3月16日
专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
专知会员服务
161+阅读 · 2020年1月16日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
Arxiv
0+阅读 · 2021年6月28日
Arxiv
0+阅读 · 2021年6月27日
VIP会员
相关VIP内容
专知会员服务
76+阅读 · 2021年3月16日
专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2日
专知会员服务
161+阅读 · 2020年1月16日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
相关资讯
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
Top
微信扫码咨询专知VIP会员