CFD 降阶模型耦合:结果诊断与可信度验证
把 CFD 快照降阶成 ROM 再以 FMU 接入系统模型,会同时引入模态截断、流形外插与附加质量不稳定三种误差。本文给出彼此独立的三个判据,把幅值正确但相位错的症状分开定位。
CFD 降阶模型耦合:结果诊断与可信度验证
把 CFD 快照降阶成 ROM、再以 FMU 形式接入系统模型,会同时引入三种误差:模态截断误差、ROM 在训练流形之外的外插误差、以及分区耦合的附加质量不稳定。三者症状相似,都是“接口量幅值大致对但相位错”,所以必须用彼此独立的判据分开。下面给出可复算的判据与一次流固耦合的判定计算。
截断误差:模态能量占比不等于精度
POD 基由快照矩阵 的 SVD 得到,保留前 个模态的能量占比为
能量占比高并不保证精度高:它只说明被丢弃模态的能量小,不说明被丢弃模态与目标量正交。对 120 个快照的算例, 时 , 时 , 时 。若只看能量占比, 就够了;但壁面剪应力的误差要到 才降到 2% 以下,因为剪应力依赖近壁梯度,而高梯度模态恰是能量最小的那一批。
import numpy as np
S = np.load("snapshots_Re5k_20k.npy") # (3*n_cell, n_time)
U, s, Vt = np.linalg.svd(S, full_matrices=False)
lam = s**2
for k in (10, 14, 20, 30):
print(k, lam[:k].sum() / lam.sum()) # 0.9992 / 0.9999 / 0.99997 / ...
P = U[:, :14] @ U[:, :14].T # 14 模态投影
r = S[:, -1] - P @ S[:, -1]
print("eta_ROM =", np.linalg.norm(r) / np.linalg.norm(S[:, -1]))
ROM 有效性指标与外插失效
把 ROM 用于新工况之前,先算投影残差比:
在训练区间 内取 6 个工况, 稳定在 ;把 提到 (训练上界的 2.25 倍)后 跳到 。此时 ROM 给出的升力系数仍“看起来合理”( 对 CFD 的 ),但压力脉动主频从 漂到 。判定规则可以写死: 时 ROM 输出不得进入控制回路,只能用于趋势判断。
附加质量与分区耦合的稳定边界
把 CFD-ROM 与结构模型按分区方式(Gauss–Seidel 交替求解)耦合时,稳定性由附加质量比决定:
取 、、特征长度 、壁厚 ,则 。 意味着显式分区迭代不收敛:实测接口位移在 12 个耦合步后以每步 1.28 倍增长,且把通信步缩到 仍不收敛——因为该不稳定与步长无关。修法只有两条:改为隐式耦合,或在界面加 Aitken 松弛,取 后每步 6 次迭代收敛。
症状、根因与判定试验
| 现象 | 根因 | 判定试验 |
|---|---|---|
| 接口位移每步放大 1.28 倍 | 附加质量比 ,显式分区不稳定 | 加 Aitken 松弛 ,应转为收敛 |
| 压力脉动主频从 漂到 | ROM 被外插到训练流形之外 | 计算 ,大于 0.1 即确认 |
| 模态数提到 30 后剪应力误差不再下降 | 误差已由耦合步长或采样方式主导 | 固定 ,把 从 降到 |
| ROM 输出均值正确、脉动幅值偏小 35% | POD 丢弃了低能量高梯度模态 | 单独统计近壁区域模态的能量占比 |
| 开环正确、闭环发散 | 闭环把 ROM 未建模动态当作额外增益 | 开环扫频对比 ROM 与 CFD 的幅相曲线 |
| 换网格后同一 ROM 立即失准 | 快照矩阵与 ROM 基的网格自由度不一致 | 核对快照数组形状与模态矩阵行数是否匹配 |
ROM 适用范围与再训练触发
ROM 的适用范围由训练工况的凸包与 共同界定,而不是由模态数界定。交付时应记录训练工况清单、模态数、各模态能量占比、以及检验工况上的 。出现以下任一情况即触发再训练:查询点落在训练凸包之外、、或目标量误差超过约定阈值(本算例取升力系数 5%、壁面剪应力 10%)。
ls -l snapshots_Re5k_20k.npy pod_modes_k14.npy
sha256sum snapshots_Re5k_20k.npy pod_modes_k14.npy
python -c "import numpy as np; m=np.load('pod_modes_k14.npy'); print(m.shape, m.dtype)"
参考文献
- Sirovich L., “Turbulence and the dynamics of coherent structures. Part I: Coherent structures”, Quarterly of Applied Mathematics, 45(3), 1987, pp. 561-571.
- Benner P., Gugercin S., Willcox K., “A survey of projection-based model reduction methods for parametric dynamical systems”, SIAM Review, 57(4), 2015, pp. 483-531.
- Causin P., Gerbeau J. F., Nobile F., “Added-mass effect in the design of partitioned algorithms for fluid-structure problems”, Computer Methods in Applied Mechanics and Engineering, 194(42-44), 2005, pp. 4506-4527.
- Quarteroni A., Manzoni A., Negri F., Reduced Basis Methods for Partial Differential Equations, Springer, 2016.
- Chinesta F., Ladevèze P., Cueto E., “A short review on model order reduction based on proper generalized decomposition”, Archives of Computational Methods in Engineering, 18(4), 2011, pp. 395-404.
- Kübler R., Schiehlen W., “Two Methods of Simulator Coupling”, Mathematical and Computer Modelling of Dynamical Systems, 6(2), 2000, pp. 157-183.