• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Bulletin of the American Physical Society >APS -70th Annual Meeting of the APS Division of Fluid Dynamics- Event - Data-based adjoint and H2 optimal control of the Ginzburg-Landau equation
【24h】

APS -70th Annual Meeting of the APS Division of Fluid Dynamics- Event - Data-based adjoint and H2 optimal control of the Ginzburg-Landau equation

机译：APS-流体动力学APS部门第70届年会-事件-Ginzburg-Landau方程的基于数据的伴随和H2最优控制

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Equation-free, reduced-order methods of control are desirable when the governing system of interest is of very high dimension or the control is to be applied to a physical experiment. Two-phase flow optimal control problems, our target application, fit these criteria. Dynamic Mode Decomposition (DMD) is a data-driven method for model reduction that can be used to resolve the dynamics of very high dimensional systems and project the dynamics onto a smaller, more manageable basis. We evaluate the effectiveness of DMD-based forward and adjoint operator estimation when applied to H2 optimal control approaches applied to the linear and nonlinear Ginzburg-Landau equation. Perspectives on applying the data-driven adjoint to two phase flow control will be given.
机译：当感兴趣的控制系统具有很高的尺寸或将控制应用于物理实验时，需要无方程式的降阶控制方法。我们的目标应用是两相流最佳控制问题，符合这些标准。动态模式分解（DMD）是一种数据驱动的模型缩减方法，可用于解决超高维系统的动力学问题，并将其投影到更小，更易于管理的基础上。当将H2最优控制方法应用于线性和非线性Ginzburg-Landau方程时，我们评估基于DMD的正向和伴随算子估计的有效性。将给出有关将数据驱动的附件应用于两相流控制的观点。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号