Název: Model order reduction for particle-laden flows: systems with rotations and discrete transport operators
Autoři: Kovárnová, A. ; Isoz, Martin
Typ dokumentu: Příspěvky z konference
Konference/Akce: Topical Problems of Fluid Mechanics 2023, Prague (CZ), 20230222
Rok: 2023
Jazyk: eng
Abstrakt: In the present work, we concentrate on particle-laden flows as an example of industry-relevant transport-dominated systems. Our previously-developed framework for data-driven model order reduction (MOR) of such systems, the shifted proper orthogonal decomposition with interpolation via artificial neural networks, is further extended by improving the handling of general transport operators. First, even with intrusive MOR approaches, the underlying numerical solvers can provide only discrete realizations of transports linked to the movement of individual particles in the system. On the other hand, our MOR methodology requires continuous transport operators. Thus, the original framework was extended by the possibility to reconstruct continuous approximations of known discrete transports via another artificial neural network. Second, the treatment of rotation-comprising transports was significantly improved.
Klíčová slova: artificial neural networks; CFD-DEM; model order reduction; Open- FOAM; shifted POD
Číslo projektu: TM04000048
Poskytovatel projektu: GA TA ČR
Zdrojový dokument: Topical Problems of Fluid Mechanics 2023, ISBN 978-80-87012-83-3, ISSN 2336-5781

Instituce: Ústav termomechaniky AV ČR (web)
Informace o dostupnosti dokumentu: Dokument je dostupný na externích webových stránkách.
Externí umístění souboru: http://www2.it.cas.cz/fm2015/im/admin/showfile/data/my/Papers/2023/14-TPFM2023.pdf
Původní záznam: https://hdl.handle.net/11104/0349998

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-538535


Záznam je zařazen do těchto sbírek:
Věda a výzkum > AV ČR > Ústav termomechaniky
Konferenční materiály > Příspěvky z konference