|

Использование инструментов анализа больших данных при решении задач газовой динамики и акустики

Авторы: Калугин М.Д., Корчагова В.Н., Крапошин М.В., Марчевский И.К., Морева В.С. Опубликовано: 08.06.2018
Опубликовано в выпуске: #3(78)/2018  
DOI: 10.18698/1812-3368-2018-3-32-47

 
Раздел: Математика и механика | Рубрика: Вычислительная математика  
Ключевые слова: обработка больших данных, газовая динамика, акустика, собственное ортогональное разложение

Рассмотрены вопросы обработки и анализа больших объемов данных, возникающих при численном моделировании процессов гидрогазодинамики и акустики в крупных промышленных установках. Представлены оценки объема обрабатываемых данных на примере задачи расчета течения и акустических нагрузок при старте ракеты-носителя. Для сокращения используемого объема памяти предложено применять технологию обработки и сжатия данных Proper Orthogonal Decomposition, с помощью которой выявляют наиболее "энергоемкие" моды исходных данных. Возможности этого подхода, реализованного с применением фреймворка Apache Spark, продемонстрированы на тестовой задаче распространения акустических волн в одномерной и двумерной постановках. Объем данных, необходимый для восстановления решения с приемлемой погрешностью порядка 1 %, удалось сократить в 30 раз в одномерном случае и в 160 раз в двумерном

Работа выполнена при финансовой поддержке Минобрнауки России (идентификатор RFMEFI60714X0090, соглашение № 14.607.21.0090)

Литература

[1] Bieder U., Fauchet G., Calvin C. High performance Large Eddy Simulation of turbulent flows around PWR mixing grids // The 16th IEEE Int. Conf. on High Performance Computing and Communications. Paris, 2014. 5 p.

[2] Quarteroni A., Rozza G. Reduced order methods for modeling and computational reduction. Springer, 2014. 334 p.

[3] Holmes P., Lumley J.L., Berkooz G., Rowley C.W. Turbulence, coherent structures, dynamical systems and symmetry. Cambridge University Press, 2012. 402 p.

[4] Kerschen G., Golinval J.-C., Vakakis A.F., Bergman L.A. The method of proper orthogonal decomposition for dynamical characterization and order reduction of mechanical systems: аn overview // Nonlinear Dynamics. 2005. Vol. 41. Iss. 1-3. P. 147–169. DOI: 10.1007/s11071-005-2803-2

[5] Schmid P.J. Dynamic mode decomposition of numerical and experimental data // J. Fluid Mech. 2010. Vol. 656. P. 5–28.

[6] Tosh A., Liever P., Owens F., Liu Y.A. High-fidelity CFD/BEM methodology for launch pad acoustic environment prediction // 18th AIAA/CEAS Aeroacoustics Conf. 2012. Colorado Springs, Paper AIAA 2012--2107.

[7] Кудимов Н.Ф., Сафронов А.В., Третьякова О.Н. Прикладные задачи газодинамики и теплообмена в энергетических установках ракетной техники. М.: Изд-во МАИ, 2014. 168 с.

[8] Seiner J.M., Norum T.D. Experiments of shock associated noise on supersonic jets // AIAA 12th Fluid and Plasma Dynamics Conf. Williamsburg, Virginia, 1979. P. 79−152. DOI: 10.2514/6.1979-1526 URL: https://arc.aiaa.org/doi/10.2514/6.1979-1526

[9] Kraposhin M., Bovtrikova A., Strijhak S. Adaptation of Kurganov — Tadmor numerical scheme for applying in combination with the PISO method in numerical simulation of flows in a wide range of Mach numbers // Procedia Computer Science. 2015. Vol. 66. P. 43–52. DOI: 10.1016/j.procs.2015.11.007

[10] Menter F.R., Kuntz M., Langtry R. Ten years of industrial experience with the SST turbulence model // Turbulence, Heat and Mass Transfer. 2003. No. 4. P. 625–632.

[11] Добеши И. Десять лекций по вейвлетам. Ижевск: НИЦ «РХД», 2001. 464 с.

[12] Kalugin M.D., Strijhak S.V. Implementation of POD and DMD methods in Apache Spark framework for simulation of unsteady turbulent flow in the model combustor // Proc. 7th European Congress on Computational Methods in Applied Sciences and Engineering. Crete, Greece, 2016. P. 857–864.