2022 Fiscal Year Annual Research Report
Development of cluster-based reduced-order model for optimal feedback control of dynamic stall flow
| Project/Area Number |
21J21207
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
岩崎 有登 東北大学, 工学研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2021-04-28 – 2024-03-31
|
| Keywords | データ駆動科学 / 低次元モデル / 固有直交分解 / リザバーコンピューティング / 動的モード分解 / 線形動的システム / 動的失速流れ |
|---|
| Outline of Annual Research Achievements |
本研究では，動的失速流れのリアルタイム最適フィードバック制御に向けたクラスタ低次元モデルの開発を目的とする．その実現に向け，令和4年度は1)リザバーコンピューティング低次元モデルの開発と2)EMアルゴリズムに基づく動的モード分解の開発を行った．1)に関して，令和3年度から引き続き，クラスタ低次元モデルとは異なるアプローチで未来の流れの正確な予測を実現するリザバーコンピューティング低次元モデルの開発を行った．その結果，本モデルが高い推定性能を実現できる条件や異なる物理量間の予測可能性を明らかにした．それらの成果を国内外の学会で報告し，論文にまとめた．リザバーコンピューティングはクラスタ低次元モデルの特徴量推定手法として適用可能と考えており，令和5年度も引き続き研究を行う予定である．2)に関して，低次元モデルの構築にはノイズを含むデータから流体現象を示す成分のみを抽出する必要があるため，ノイズに対してロバストなシステム同定を実現するEMアルゴリズムに基づく線形動的システムのパラメータ推定を組み込んだ動的モード分解の開発を行った．その結果，ノイズを含むデータに対するシステム同定において，本動的モード分解が従来の動的モード分解と比較して高いシステム同定の性能を持つことを明らかにした．また，本動的モード分解はクラスタ低次元モデルの特徴量抽出手法として適用可能と考えており，令和5年度も引き続き研究を行う予定である．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
当初の予定通り1)リザバーコンピューティング低次元モデルの開発を行った．また，当初の予定になかった2)EMアルゴリズムに基づく動的モード分解の開発を行った．そのため，クラスタ低次元モデルの研究が当初より遅れているが，本動的モード分解はクラスタ低次元モデルにおける特徴量抽出手法として適用可能なため，引き続き研究を進める予定である．
|
| Strategy for Future Research Activity |
令和5年度は1)リザバーコンピューティング低次元モデルとEMアルゴリズムに基づく動的モード分解の改良と2)クラスタ低次元モデルの改良を行う．1)のリザバーコンピューティング低次元モデルに関して，圧力から速度場を正確に推定するフレームワークを開発する．また，EMアルゴリズムに基づく動的モード分解に関して，制約条件やデータ駆動科学の技術を適用することでノイズに対してロバストなアルゴリズムへ改良する．また，本研究課題の最終年度のため，これまでに研究したリザバーコンピューティングとEMアルゴリズムに基づく動的モード分解の成果を国内外の学会で報告し，論文にまとめる．2)に関して，1)で開発したリザバーコンピューティング低次元モデルやEMアルゴリズムに基づく動的モード分解を特徴量推定手法や特徴量抽出手法として利用することで，クラスタ低次元モデルの改良を試みる．
|
