Data-driven reduced-order modeling for computational fluid dynamics
Hesaplamalı akışkanlar dinamiği için veriye dayalı indirgenmiş modelleme
- Tez No: 830915
- Danışmanlar: DR. ÖĞR. ÜYESİ ALİ KARAKUŞ, DR. ÖĞR. ÜYESİ ROMIT MAULIK
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 120
Özet
̇ndirgenmiş modeller, karmaşık akış simülasyonlarının ortaya çıkardığı hesaplama zorluklarının üstesinden gelmede çok önemli bir rol oynar. Doğrudan sayısal simülasyonların yoğun taleplerine etkili bir çözüm sunarlar. İndirgenmiş modeller oluşturmak için kullanılan teknikler listesi arasında uygun dik ayrıştırma, çeşitli mühendislik ve bilim alanlarını kapsayan uygulamalarda sıklıkla kullanılan bir yöntemdir. Yüksek Reynolds sayılarında türbülanslı akışlarda tutarlı yapıların hem hesaplama verimliliğine hem de kesin temsiline ulaşmanın bir aracı olarak ilk iyi sonuçlarına rağmen, bu potansiyelin tam olarak gerçekleştirilmesi, ulaşılması gereken bir hedef olmaya devam etmektedir. İndirgenmiş modellemenin doğasında bulunan en düşük bilgi işlem maliyeti ile hedeflenen akışların karmaşıklığı arasında ideal bir kombinasyon elde etmek için uygun kapatma modelleme metodolojileri kullanılmalıdır. Bu tezde, karmaşık akışlarda indirgenmiş modelleme için daha etkili ve gelişmiş çerçeveler oluşturmak için en son fizik tabanlı ve veri odaklı modelleme araçlarından yararlanıyoruz. İlk olarak, uygun dik ayrıştırma kullanılarak anlık görüntülerden hesaplanan indirgenmiş tabanlar üzerine inşa edilen indirgenmiş mertebeli modellerin temel yönleri sunulmaktadır. Burgers denklemi, girdap akış denklemler ve son olarak Navier-Stokes denklemleri dahil olmak üzere çeşitli akış denklemlerine POD ve Galerkin Projeksiyonunun uygulanması için sayısal sonuçlar sunarken, ortaya çıkan türbülanslı akışların gelişen dinamikleriyle ilgili zorlukların üstesinden gelmeye odaklanıyoruz. Daha sonra makine öğrenmesi teknikleri kullanılarak azaltılmış mertebeli model yaklaşımının sayısal doğruluğunu artırmayı amaçlayan kapanma terimi oluşturulur. Her denklem için zamanın farklı noktalarındaki akışı temsil eden anlık görüntüleri oluşturmak için kullanılan tam sıralı model, her bölümün başında açıklanmış ve ardından indirgenmiş sıralı modelleme adımları izlenmiştir. Tam sıralı modelin sonuçlarını UDA ve Galerkin projeksiyonu kullanılarak elde edilen sonuçlarla karşılaştırarak, bu denklemler için bu model sıra azaltma tekniklerinin doğruluğunu ve etkinliğini değerlendiriyoruz. Bu sonuçlar aracılığıyla, hesaplama karmaşıklığını azaltmada ve karmaşık sıvı akışı problemlerine doğru çözümler sağlamada bu yöntemlerin etkinliğini göstermeyi amaçlıyoruz.
Özet (Çeviri)
Reduced order models (ROM) play a crucial role in tackling the computational challenges posed by complex flow simulations. They provide an effective solution to the resource-intensive demands of direct numerical simulations. Among the techniques utilized for constructing reduced-order models, proper orthogonal decomposition (POD) stands out as a frequently employed method with applications spanning diverse fields of engineering and science. Despite its initial appeal as a means to attain both computational efficiency and precise representation of coherent structures in turbulent flows at high Reynolds numbers, the full realization of this potential remains a goal to be achieved. Appropriate closure modeling methodologies should be used to achieve an ideal combination between the lowest computing cost inherent in ROM and the complexities of the targeted flows. This thesis employs a combination of innovative physics-based and data-driven modeling tools to develop more robust and improved frameworks for ROM in complex flows. In this thesis, the core concepts of the ROM are introduced, centered around utilizing reduced bases generated from snapshots. Applying techniques like POD and Galerkin Projection is demonstrated through numerical results involving diverse flow equations, ranging from the Burgers equation to the Navier-Stokes equations. The primary focus is on addressing the challenges arising from the dynamic changes inherent in turbulent flows, which can limit conventional ROM methods. To enhance the accuracy of the ROM approximation, a closure term is formulated using machine learning methods. Each chapter begins by outlining the full-order model (FOM) employed to generate snapshots representing the flow across different instantaneous time points for each equation. Subsequently, the steps taken in reduced-order modeling are detailed. By comparing outcomes obtained from the full-order model to those derived using POD and Galerkin Projection, an assessment is made to demonstrate the accuracy and efficiency of these methods in reducing computational complexity and providing accurate solutions for complex fluid flow problems.
Benzer Tezler
- Yapay sinir ağları ile akış kontrolü için sayısal yöntemlerin geliştirilmesi
Development of numerical methods for flow control with the aid of artificial neural networks
AKIN PAKSOY
Yüksek Lisans
Türkçe
2011
Makine MühendisliğiTOBB Ekonomi ve Teknoloji ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SELİN ARADAĞ
- Reduced-order modelling of shallow water equations
Sığ sularda dalga denklemleri için model indirgeme yöntemleri
SÜLEYMAN YILDIZ
Doktora
İngilizce
2021
Fizik ve Fizik MühendisliğiOrta Doğu Teknik ÜniversitesiBilimsel Hesaplama Ana Bilim Dalı
PROF. DR. BÜLENT KARASÖZEN
- Düşey eksenli hidrokinetik türbin için asimetrik kanal tasarımı
Asymmetric duct design for vertical axis hydrokinetic turbine
OĞUZ SUSAM
Yüksek Lisans
Türkçe
2019
Enerjiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. HAKAN ÖKSÜZOĞLU
- C-tipi kanat konfigurasyonunun aerodinamik analizleri ve dizayn optimizasyonu
Aerodynamic analyses and design optimization of aC- shaped wing
HÜLYA SUKAS
Yüksek Lisans
Türkçe
2019
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. MELİKE NİKBAY