|
本研究では，動的失速流れの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，研究期間全体を通じて，ノイズを含むデータから複雑な流体現象を忠実に表現する少数の変数を抽出する技術と流れの状態の時間発展を高速かつ正確に予測する技術の開発を中心に取り組んだ．まず，令和3年度は，ノイズを含むデータから周期性に基づいて少数の時空間構造を抽出する動的モード分解のモード選択アルゴリズムを開発した．次に，令和3年度から令和4年度は，流れの状態の時間発展を非線形に予測するリザバーコンピューティング低次元モデルを開発した．その後，令和4年度から令和5年度は，ノイズの存在を仮定しながらデータ駆動的に線形のシステム同定，ノイズモデルの構築，原信号の推定を同時に行うEMアルゴリズムに基づく動的モード分解を開発した．最後に，令和5年度は，ノイズの影響を考慮した低次元化データを流れの状態を表現する変数として利用するEMアルゴリズムに基づく動的モード分解による低次元モデルを開発した．それらの成果を国内外の学会で報告し，論文としてまとめた．加えて，令和5年度は，動的失速流れにおける低次元化データの性質の調査や隠れマルコフモデルに基づくクラスタ低次元モデルの開発を行い，動的失速流れにおけるクラスタ低次元モデルの検討を行った．まとめると，目的の実現に向け，令和3年度から令和5年度にかけて複雑な流体現象のデータ駆動型低次元モデリング手法の研究開発を行った．
|
