《Applications in Energy and Combustion Science》:Towards real-time digital twins of combustion systems via soft-clustered local reduced-order models
编辑推荐:
本研究提出一种面向燃烧系统的新型降阶模型(ROM)方法,通过结合软聚类技术、维度缩减与非线性回归,应对非线性与高维特性带来的挑战。聚类将数据集划分至局部区域,使ROM能更好地表征各区域内的系统响应。为避免聚类界面处的不连续,采用软聚类允许区域重叠,从而获得更平
本研究提出一种面向燃烧系统的新型降阶模型(ROM)方法,通过结合软聚类技术、维度缩减与非线性回归,应对非线性与高维特性带来的挑战。聚类将数据集划分至局部区域,使ROM能更好地表征各区域内的系统响应。为避免聚类界面处的不连续,采用软聚类允许区域重叠,从而获得更平滑且一致的预测。相较于传统硬聚类ROM公式,软聚类提供了额外灵活性。在各聚类内,采用本征正交分解(POD)压缩维度,并利用高斯过程回归(GPR)估计输入—输出关系。该方法利用80个一维NH3/H2层流火焰的简单数据集,以及更复杂的改进型NH3/H2滞止点回流燃烧室(基于175个二维轴对称RANS模拟)进行验证。结果表明,相较于传统全局与局部ROM方法,预测精度显著提升,软聚类增强了模型性能并降低了聚类边界处的尖锐梯度。该研究为实用燃烧系统高效ROM框架的发展作出贡献,支撑可持续能源技术的设计与实施。
研究背景方面,能源转型要求开发兼具成本效益与环境可持续性的创新技术,向2050年碳中和迈进需整合氢、氨等可再生合成燃料,这类替代燃料具有独特燃烧特征与安全考量。高保真数值模拟(如直接数值模拟DNS与大涡模拟LES)虽能捕捉反应流多物理场相互作用,但计算代价高昂,难以支撑实时监控、控制与优化。数字孪生技术可弥补差距,但高维高强度模拟仍制约实时落地。数据驱动方法(神经网络、物理信息机器学习)兴起,降阶模型(ROM)因能在保持工程预测精度的同时大幅降低计算需求而备受关注。传统基于全局线性分解(如POD)的ROM难以准确表征燃烧系统固有的非线性,尤其在火焰物理不稳定的过渡区精度下降;硬聚类ROM虽通过局部分区改善非线性,却在聚类界面引入人工不连续,损害场预测的物理一致性。为此,研究人员在Aversano等人框架基础上引入软聚类,构建保留局部分段线性化能力又允许重叠隶属、确保边界平滑过渡的ROM范式,并以氨氢混合燃料为对象验证。
关键技术方法上,研究人员采用两条验证路线:其一是80个一维NH3/H2层流火焰(入口温度300–1000 K、H2占比0–30%、当量比0.6–1.4,常压,Stagni机理,Cantera自适应离散,统一插值至500点网格,拉丁超立方采样,留一法影响分析筛出有影响样本,60次独立80/20随机切分);其二是175个二维轴对称RANS模拟的改进滞止点回流燃烧室(SPRF,富燃区当量比1–1.6、H2摩尔分数0–0.75、操作压力1–3 bar,Realizable k-ε湍流模型、PaSR燃烧模型Cmix=0.1、Shrestha机理,同样经LOO与K折验证)。方法链为:数据标准化→K-means产生硬标签并转为隶属概率矩阵P→硬聚类取最大概率单分配,软聚类以阈值t=1/(nc+1)保留多隶属→各聚类内独立POD截留前q模态→GPR建立操作条件γ到POD系数a的映射(核函数协方差、负对数边际似然优化超参)→硬聚类直接拼接重建,软聚类在重叠区按P加权并归一化重分配权重融合多ROM输出。
研究结果部分,第2节方法论中,2.1本征正交分解(POD)通过对标准化矩阵X0做奇异值分解X0=UΣV?,截留前q模态得Uq,将高维场表达为POD系数Aq的线性组合,实现维度压缩。2.2高斯过程回归(GPR)将操作条件γ到POD系数a的关系建模为高斯过程,由训练系数与核协方差推得未知条件γ*下系数的后验均值与协方差,给出带不确定度的预测。2.3聚类将域划分子区,硬聚类(2.3.1)依K-means标签最大概率单属,软聚类(2.3.2)设阈t=1/(nc+1),隶属概率≥t即纳入多簇,重叠区以P为权加权平均并重分配排除簇概率,保证和为1。第3节氨氢数据集给出上述一维与二维SPRF样本队列来源与参数空间。第4节结果中,4.1一维层流火焰显示:相对全局ROM的ΔNRMSE随聚类数增加显著下降,3簇最优(对应预燃、燃烧、后燃三物理区),软聚类阈值≥0.05非敏感;边界跳跃量化表明软聚类将人为不连续降至接近CFD参考水平,硬聚类界面跳变明显偏大。4.2二维SPRF燃烧室中,软聚类ROM在温度与N2、NH2、NO2、H2O、OH、O2、H2、NH3、NO等质量分数场上的NRMSE较全局与硬聚类ROM均降低,过渡区梯度更平,证明方法在复杂RANS级多维场同样有效。
讨论与结论部分,研究人员指出传统全局ROM因单一线性子空间无法容纳氨氢火焰强非线性与工况跨越,硬聚类ROM虽局部改善却以界面伪不连续换取精度,软聚类通过概率重叠隶属在自然分区(如火焰前后区)间建立连续加权桥接,消除了拼接伪影且不增加簇数负担。参数分析中簇数由物理区数目引导、阈值仅需排除极低概率噪声点,工程可调性强。该方法在80例一维与175例二维RANS两类队列上均证实:预测精度优于全局与硬聚类ROM,边界锐梯度被抑制,且GPR自带协方差可作不确定性度量。论文结论为——所提软聚类局部ROM框架有效调和了非线性局部线性化与全场物理连续性之间的矛盾,为燃烧系统实时数字孪生提供了计算轻量、精度可控、边界光滑的数据驱动路径,对氢氨等替代燃料燃烧器设计及可持续能源系统优化具有直接支撑意义。该文发表于《Applications in Energy and Combustion Science》。