一种无投影稀疏模型降阶方法用于热力多体动力学

《Mathematics》：A Projection-Free Sparse Model Order Reduction Method for Thermomechanical Multibody Dynamics

　　

热力耦合效应显著影响在热环境中运行的柔性多体系统的动态响应。使用传统的基于投影的降阶模型进行精确模拟仍具有挑战性，原因在于强非线性和温度场的时变特性。本研究提出了一种用于热力耦合动力学的无投影稀疏求解框架。弹性场和温度场使用稀疏POD系数表示，控制方程在线上直接采样，无需伽辽金投影。稀疏系数通过每个时间步的l₁范数优化恢复。为确保热力耦合下的稳定恢复，研究人员引入了一种基于单位范数紧框架（UNTF）的预条件子，以降低欠定系统矩阵的相干性。通过三个数值算例验证了所提方法。结果表明，该方法在长时间模拟中保持稳定精度，计算时间减少超过40%，并且在热力耦合问题中相比离散经验插值法（DEIM）表现出更强的鲁棒性。自适应基选择能力和单位范数紧框架预条件的必要性得到了证实。该方法为热力多体动力学模拟提供了一种高效且可靠的替代方案。

**论文解读：一种无投影稀疏模型降阶方法用于热力多体动力学**

**研究背景与问题**
柔性多体系统在航空航天、机器人和汽车等工程领域广泛应用。随着系统复杂性和运行环境多样化，热力耦合效应——如热膨胀改变材料刚度、引入应力梯度——对动态响应产生显著影响。传统有限元法（FEM）虽为标准分析工具，但涉及大幅旋转或运动学约束时，非线性惯性效应导致计算成本剧增；细化网格以提高精度进一步加剧自由度（DOF）负担。模型降阶（MOR）技术通过选择最优基函数来降低系统维度，典型方法包括模态截断、矩匹配和本征正交分解（POD）。然而，POD结合伽辽金投影后仍需处理全阶系统矩阵，非线性问题下效率提升有限。超降阶方法（如离散经验插值法DEIM、能量守恒采样加权ECSW）虽能加速，但存在三大固有局限：离线数据需求高（需非线性力快照）、奇异值衰减慢导致采样点数量接近全阶模型、采样点固定无法适应动态演变的热力场。这些局限促使研究人员探索绕过伽辽金投影框架的新范式。压缩感知（CS）理论为从欠定系统中恢复稀疏解提供了可能，但直接扩展至热力耦合面临挑战：模态基无法捕捉热子空间，且热力场耦合导致系统矩阵高相干性，破坏l₁恢复稳定性。因此，本研究旨在开发一种无投影的稀疏降阶方法，以解决热力多体系统中强非线性、时变热场和固定采样点适应性问题。

**研究内容与结论**
研究人员提出了一种无投影稀疏模型降阶框架，用于热力耦合柔性多体动力学。该框架完全绕过伽辽金投影，直接在线上采样全阶控制方程（包括非线性项），并通过压缩感知恢复稀疏POD系数。针对热力耦合引入的高相干性，研究人员开发了基于单位范数紧框架（UNTF）的预条件策略，以稳定l₁范数优化求解器。通过三个数值算例（双摆、滑块-平板、制动盘）验证了方法有效性。结果表明：该方法在长时间模拟中保持稳定精度，相对误差低至10^-7量级；计算时间减少超过40%；相比DEIM和传统POD-Galerkin方法，在热力耦合问题中表现出更强的鲁棒性和自适应基选择能力。UNTF预条件被证明是实现数值稳定性的关键。该研究首次将无投影稀疏降阶范式应用于热力耦合问题，为高效可靠的多体动力学模拟提供了新途径。论文发表在《Mathematics》。

**主要关键技术方法**
研究人员采用以下关键技术方法：（1）基于本征正交分解（POD）的稀疏表示：利用全阶POD基（由快照矩阵奇异值分解得到）将弹性坐标和热坐标转换为稀疏系数，假设只有少数系数主导场近似。（2）拉丁超立方采样（LHS）：在线阶段从全阶控制方程中独立采样少量方程（弹性与热部分），构建欠定系统，LHS提供分层随机设计，保证采样矩阵与POD基的低交叉相干性。（3）l₁范数优化：在每个时间步，将动态响应恢复建模为受采样方程约束的l₁范数最小化问题，采用改进的贪婪高斯-牛顿算法求解，实现稀疏系数自适应选择。（4）基于单位范数紧框架（UNTF）的预条件：针对热雅可比矩阵，通过迭代归一化、Gram矩阵非对角元限制、截断SVD等步骤构造预条件矩阵，降低系统矩阵的互相干性，稳定l₁求解器。

**研究结果**
- **例1：双摆**
通过对比全阶模型（FOM）、POD、POD-DEIM及所提L1方法，结果表明：L1方法计算的角位移与TM-FOM几乎完全一致，相对误差维持在2.68×10^-7以下，远优于POD（误差单调增至约10^-3）和DEIM（2.4秒后发散）。自适应基选择分析显示，弹性基几乎不变，而热基随时间变化，验证了方法对时变热场的自适应能力。计算效率方面，L1方法总耗时约为FOM的21%，质量矩阵、雅可比矩阵和非线性函数更新效率提升约90%。UNTF预条件对比显示，无预条件时误差在2秒后迅速增长至10^-3，而预条件后保持稳定。稀疏参数敏感性研究表明，弹性稀疏度大于40、热稀疏度大于15时，误差达到10^-7水平，计算时间基本恒定。

- **例2：滑块-平板**
该例引入摩擦生热，验证方法处理接触诱导非线性和移动热源的能力。L1方法计算的滑块x轴位移与FOM几乎重合，温度分布与文献[48]结果一致（最大温度6.1382°C对比6.10°C）。自适应基选择显示，弹性基和热基均随时间变化，反映接触条件演变。相对误差比较：初始瞬态阶段L1误差约0.4，DEIM误差约1.0，POD约0.2；稳态滑动阶段L1误差收敛至7×10^-4，POD稳定在4×10^-3，DEIM固定于0.2，表明L1对接触非线性的鲁棒性。计算效率：L1耗时约为FOM的60%，更新操作效率提升约50%。UNTF预条件显示无预条件时误差迅速增至10⁷，预条件后保持稳定。稀疏参数敏感性表明，滑块弹性场对稀疏度不敏感，平板弹性场需足够稀疏度（大于50）以降低误差。

- **例3：制动盘**
该例模拟高梯度加热和强摩擦，测试方法鲁棒性。L1方法计算的四节点温度曲线与FOM一致，最大温度426.7K（文献[50]为432K，误差1.2%）。变形分布显示从外缘到内缘递减，最大变形7.23×10^-6m。自适应基选择：弹性基稳定，热基随时间显著变化，反映瞬态热场演变。相对误差：L1与POD误差趋势相近，L1略优；DEIM在1秒后误差急剧增至10⁶，表明离线固定插值点无法捕捉快速变化的热场。计算效率：L1耗时约为FOM的49%，更新操作效率提升约50%。UNTF预条件同样关键，无预条件时误差达10⁶。稀疏参数敏感性：弹性稀疏度变化对误差影响小（约0.012-0.014），热稀疏度从5增至30使误差从0.0735降至0.0135，但改善有限，反映全局POD基对局部化现象的表达能力限制。

**讨论与结论**
讨论部分指出，所提方法的理论基础依赖于压缩感知中的受限等距性质（RIP），虽然未提供新的理论证明，但三个代表性算例（热辐射、摩擦生热、瞬态高梯度加热）提供了强经验证据。方法在接触力不连续系统（如制动盘）中仍存在局限，低精度可能源于随机采样难以捕捉快速变化接触特性，以及温度/变形场在所选稀疏基下稀疏性不足，导致l₁重建效果下降。未来研究应优化采样策略和改进稀疏表示框架。
研究结论部分翻译如下：本文提出了一种用于柔性多体系统热力耦合动力学的无投影稀疏模型降阶框架，其中全阶方程直接在线上采样，降阶系数通过l₁范数优化恢复，无需伽辽金投影。该框架通过将模态基替换为数据驱动的POD基以捕捉时变热子空间，并引入UNTF预条件以确保热力耦合下的稳定恢复，从而将无投影范式扩展至热力耦合问题。数值结果在三个代表性算例中证明了方法的有效性：双摆案例中L1方法达到最高精度，相对误差为10^-7量级；滑块-平板和制动盘案例中，L1方法保持良好精度，误差水平与POD-Galerkin相当或略优，且鲁棒性显著优于DEIM。计算效率持续提升，三个算例总模拟时间减少超过40%。UNTF预条件被证明对数值稳定性至关重要，无预条件求解器导致误差迅速增长。稀疏参数敏感性研究表明，所需稀疏度取决于POD基表示系统动力学的能力：对于低阶主导系统（如双摆），适度稀疏度即可实现高精度；对于具有强局部特征或复杂非线性的系统（如滑块-平板和制动盘），增加稀疏度带来边际收益递减，原因是全局POD基在捕捉局部现象方面的固有局限。计算时间在所有案例中保持稳定，确认效率对稀疏度选择不敏感。这些发现表明，稀疏度应根据问题相关阈值选择，而非依赖于通用固定值。