مدل سازی مرتبه کاهش یافته بارهای آئروالاستیک ناپایدار با استفاده از تصویر گالرکین و توابع پایه مبتنی بر POD

در این مقاله مروری به بررسی جامع روشهای مدل سازی مرتبه کاهش یافته در تحلیل پدیدههای آئروالاستیک ناپایدار پرداخته شده است با تمرکز ویژه بر ترکیب دو روش تجزیه متعامد مناسب (POD) و تصویر گالرکین. هدف اصلی، تحلیل توانایی این روشها در کاهش ابعاد محاسباتی مدلهای سازه سیال در عین حفظ دقت فیزیکی است. در ابتدا مبانی نظری آئروالاستیسیتی و معادلات حاکم سازه و جریان مرور شده و سپس مفهوم مدلهای کاهش یافته و طبقه بندی آنها در قالب مدلهای خطی غیر خطی و پارامتریک ارائه گردیده است. در ادامه ساختار و فرآیند مدلهای ترکیبی POD-Galerkin تشریح شده و مطالعات عددی اخیر در زمینه دقت پایداری و قابلیت تعمیم این مدلها مورد ارزیابی قرار گرفته است. نتایج نشان میدهد که مدلهای POD - Galerkin قادرند زمان محاسباتی را تا بیش از ۹۰٪ نسبت به مدل کامل کاهش دهند و همزمان دقت پیش بینی پاسخ آئروالاستیک را حفظ کنند. با این حال چالشهایی نظیر حساسیت به داده های آموزشی، ناپایداری عددی در سیستمهای غیر خطی و از دست رفتن بخشی از فیزیک جریان در نواحی بحرانی همچنان وجود دارد. این مقاله نتیجه میگیرد که مسیر آینده تحقیقات در توسعه مدلهای ترکیبی مبتنی بر POD-Galerkin و روشهای داده محور نهفته است؛ مدلهایی که بتوانند همزمان دقت فیزیکی، پایداری عددی و قابلیت اجرا در زمان واقعی را فراهم سازند.

کلیدواژه ها:

مدل سازی مرتبه کاهش یافته ، آئروالاستیسیتی ، تجزیه متعامد مناسب (POD) ، تصویر گالرکین ، پایداری عددی