非圧縮粘性流れに対する カルマンフィルター有限要素法の適用

Slides:



Advertisements
Similar presentations
ベイズの定理と ベイズ統計学 東京工業大学大学院 社会理工学研究科 前川眞一. 2 Coffe or Tea 珈琲と紅茶のどちらが好きかと聞いた場合、 Star Trek のファンの 60% が紅茶を好む。 Star Wars のファンの 95% が珈琲を好む。 ある人が紅茶を好むと分かったとき、その人が.
Advertisements

だい六か – クリスマスとお正月 ぶんぽう. て form review ► Group 1 Verbs ► Have two or more ひらがな in the verb stem AND ► The final sound of the verb stem is from the い row.
て -form - Making て -form from ます -form -. With て -form, You can say... ~てもいいですか? (= May I do…) ~てください。 (= Please do…) ~ています。 (= am/is/are doing…) Connecting.
第 5 章 2 次元モデル Chapter 5 2-dimensional model. Contents 1.2 次元モデル 2-dimensional model 2. 弱形式 Weak form 3.FEM 近似 FEM approximation 4. まとめ Summary.
Essay writing rules for Japanese!!. * First ・ There are two directions you can write. ・よこがき / 横書き (same as we write English) ・たてがき / 縦書き (from right to.
VE 01 え form What is え form? え? You can do that many things with え form?
二つ石原石山に対する カルマンフィルタ有限要素法の適用
SS2-15:A Study on Image Recognition and Understanding
ロジスティクス工学 第6章 動的ロットサイズ決定モデル 東京商船大学 久保 幹雄
小水力班/ Small Hydro Generation Group 研究背景 / Research background
英語勉強会(詫間English) /26 三木裕太.
有限要素法の考え方 The idea/thinking behind the Finite Element Method
英語特別講座 疑問文 #1    英語特別講座 2011 疑問文.
英語勉強会.
日本語の文法 文型(ぶんけい)をおぼえよう!
THE CONTINUOUS IMPROVEMENT MODEL called ADEC
Chapter 11 Queues 行列.
日本語... ジェパディー! This is a template for you to use in your classroom.
2010年7月9日 統計数理研究所 オープンハウス 確率モデル推定パラメータ値を用いた市場木材価格の期間構造変化の探求 Searching for Structural Change in Market-Based Log Price with Regard to the Estimated Parameters.
英語勉強会 住谷⇨若松 2015/10/29 2限.
Location nouns.
じょし Particles.
Teaney Yan correlation
What did you do, mate? Plain-Past
Training on Planning & Setting Goals
日本人の英語文章の中で「ENJOY」はどういうふうに使われているのか
SP0 check.
Verb たform + ことがあります Past experience.
前回の練習問題について 情報記号 (x1, …, xk) に対し,検査記号 p = x1+…+xk+1として与えられる奇パリティ符号を考える.この符号が線形符号とならないことを証明せよ. 解答例: 線形符号とならない反例を示せばよい. x1=1, x2=x3=...=xk=0 ⇒ p = 0,対応する符号語は
Tohoku University Kyo Tsukada
Power Electronics center
V 03 I do NOT eat sushi. I do NOT do sumo.
A 02 I like sushi! I like origami!
Estimating Position Information by Detecting Network-Connection
十年生の 日本語 Year 10 Writing Portfolio
交通需要予測と JICA STRADA 2008/1/29 (株)インテルテック研究所 吉田禎雄.
Chapter 4 Quiz #2 Verbs Particles を、に、で
The Sacred Deer of 奈良(なら)
Who Is Ready to Survive the Next Big Earthquake?
Did he/she just say that? Get your head out of the gutter! Oh wait….
Air Pen -- an introduction of my recent result --
Kalman Filter Finite Element Method Applied to Dynamic Motion of Ground Yusuke KATO Department of Civil Engineering, Chuo University.
ストップウォッチの カード ストップウォッチの カード
ロジスティクス工学 第7章 配送計画モデル 東京商船大学 久保 幹雄
P4-21 ネットワーク上の経路に対する 回帰問題について
て みる.
Input slides 1 – 11 – teacher says word - pupils repeat – word appears on click Ohayoo. おはよう。
Causative Verbs Extensively borrowed from Rubin, J “Gone Fishin’”, Power Japanese (1992: Kodansha:Tokyo) Created by K McMahon.
Where is Wumpus Propositional logic (cont…) Reasoning where is wumpus
豊田正史(Masashi Toyoda) 福地健太郎(Kentarou Fukuchi)
大規模なこと Large scale.
受け身の疑問文 Practice ~ed・・・?.
2019年4月8日星期一 I. EPL 84, (2008) 2019年4月8日星期一.
階層表現による橋梁景観の評価構造に関する考察
2019/4/22 Warm-up ※Warm-up 1~3には、小学校外国語活動「アルファベットを探そう」(H26年度、神埼小学校におけるSTの授業実践)で、5年生が撮影した写真を使用しています(授業者より使用許諾済)。
数値予報 (Numerical Weather Prediction)
21 柔軟片持ち梁の振動制御における移動可能なアクチュエータの製作
北大MMCセミナー 第62回 附属社会創造数学センター主催 Date: 2016年11月4日(金) 16:30~18:00
ー生命倫理の授業を通して生徒の意識に何が生じたかー
The difference between adjectives and adverbs
Created by L. Whittingham
東北大 情報科学 田中和之,吉池紀子 山口大 工 庄野逸 理化学研究所 岡田真人
シミュレーション物理4 運動方程式の方法.
Grammar Point 2: Describing the locations of objects
How shall we do “Numerical Simulation”?
Apply sound transmission to soundproofing
Machine Learning of User Attentions in Sensor Data Visualization
アノテーションガイドラインの管理を行う アノテーションシステムの提案
Improving Strategic Play in Shogi by Using Move Sequence Trees
北大MMCセミナー 第28回 Date: 2014年10月3日(金)14:30~16:00 ※通常と開始時間が異なります
Presentation transcript:

非圧縮粘性流れに対する カルマンフィルター有限要素法の適用 非圧縮粘性流れに対する     カルマンフィルター有限要素法の適用 加藤 有祐 中央大学理工学部土木工学科川原研究室

求めたい場所を直接観測できるとは限らない はじめに Intro1 流速・圧力… 多くの問題 求めたい場所を直接観測できるとは限らない It is important to get to know the flow velocity and fluid power of fluid, when preventing flood damage. For example, I want to know flow velocity here. But there are many problems. I want to estimate this point using limited observation data Then, solution of these problems is explained next sheet. 観測値は様々な誤差を含む

はじめに 有限要素法 カルマンフィルター Filtering 時間方向の推定 さまざまな自然現象を解析できる 空間方向の推定 noise Intro2 有限要素法 数値解析法の一つ さまざまな自然現象を解析できる カルマンフィルター Filtering noise ノイズで乱された観測値から 未知パラメータを推定する 時間方向の推定 空間方向の推定 My research use kalmanfilter and finite element method. Finite element method is one of numerical analysis method and approximation of space direction method. If differencial equation and boundary conditions of natural phenomenon are analyzed by FEM, Various Approximate solutions is obtained. Kalman Fileter is one of estimation method. This method is used various scean. Kalman filter is the method of estimating unknown parameter using observation data distroted by noise. But this method is not able to estimate the state values in space direction. これらの手法を使うことで、 But I use these methods,then,

求めたい場所を直接観測できるとは限らない はじめに Intro1 流速・圧力… 多くの問題 などなど….. 求めたい場所を直接観測できるとは限らない It is important to get to know the flow velocity and fluid power of fluid, when preventing flood damage. For example, I want to know flow velocity here. But there are many problems. I want to estimate this point using limited observation data Then, solution of these problems is explained next sheet. 観測値は様々な誤差を含む

カルマンフィルター有限要素法は時間方向だけでなく カルマンフィルター有限要素法は限られた点から カルマンフィルター + 有限要素法 カルマンフィルター有限要素法は時間方向だけでなく 空間方向にも推定できる カルマンフィルター有限要素法は限られた点から 全体を推定できる

ナビエ・ストークス方程式にカルマンフィルター ナビエ・ストークス方程式にカルマンフィルター 目的 ナビエ・ストークス方程式にカルマンフィルター 有限要素法を適用する    推定点での推定値と観測値を比較する ナビエ・ストークス方程式にカルマンフィルター 有限要素法を適用できるか確認 Purpose of my research, Fluid problem is treated in my research. Therefore,navier-stokes equation is applied in my research in order to analyze fluid. The Kalman fileter finite element method is applied to the Navier-Stokes equation. I Make a Comparison between the estimation value and the observation value. Herewith, to check whether can apply the Kalman Filter Finite Element Method to the Navier-Stokes equation

ナビエ・ストークス方程式 State Equation ui : 流速 p : 圧力 : 動粘性係数 この研究では、物理モデルとして非圧縮ナビエストークス方程式を用いる。 As a state equation, incompressible navier stokes equation is used in this research. Because, Navier-stokes equation can analyze various fluid. So, it purpose at extending the possibility of Kalman Filter. The equations show the momentum and continuity equations of Navier-Stokes equation. U is veloity, p is pressure, v is viscosity coefficient p : 圧力 : 動粘性係数

State Equation of Kalman Filter カルマンフィルターの基礎方程式 システムモデル State Equation of Kalman Filter 観測モデル : 状態ベクトル : 観測ノイズ : システムノイズ : 観測ベクトル As a state equation of Kalman filter , it is applied state space model. State space model consist system model and observation model. : 状態遷移行列 : 観測行列 : 駆動行列

カルマンフィルター有限要素法 有限要素方程式 The figure shows Kalman filter algorithm. K is kalman gain, p is estimated error covariance, Γis predicted error covariance, x* is optimal estimate value, Xhat is estiate value. Red zone is the state transition matrix The finite element equation is アサインド to this matrix , kalman filer finite element method is made.

ナビエ・ストークス方程式にカルマンフィルターを適用 時間方向の離散化は陽的オイラー法でなければ 有限要素方程式は一つのマトリックスでなければ find qualified ナビエ・ストークス方程式にカルマンフィルターを適用 するために・・・ ① 時間方向の離散化は陽的オイラー法でなければ ならない ② 有限要素方程式は一つのマトリックスでなければ ならない I must Find qualified method so as to apply the KF-FEM into Navier-Stokes equation. Tmporal discretization must be explicid euler method. This reasen is explained next slide. The right hand matrix of Finite element matrix must be one matrix

陽的オイラー法 Explicit E uler Method カルマンフィルターへ Like this Finite Elment Method Must be made In order to apply Finite Element Method to Kalman Filter. Non diagonal element of left hand side put together diagonal element, Lumped coeficcient is obtained. This equation substantly can be solve without inverse matrix. This solution is called explicit euler method. This matrix is applied state transition matrix of Kalman Filter. カルマンフィルターに有限要素法を適用するためには、 このような有限要素方程式をつくる必要があります。 左辺の対角項のうち、非対角項を対角項へ集中化させることで、 逆行列を求めないで解くことができます。 この部分をカルマンフィルターの状態遷移行列に適用します。 ですが、今研究で使用するナビエストークス方程式は、 連続式にPを含まないことなどからこのような 有限要素方程式になります。 よって、このままではKFに適用することはできません。 そこで、解決策として圧力場と流速場を分離する分離法を用いることを 提案します。

ナビエ・ストークス方程式を適用するのが難しい About navier 左辺が集中化できない 陽的オイラー法 一つのマトリックス カルマンフィルター有限要素法に ナビエ・ストークス方程式を適用するのが難しい But, Finite element equation of naiver stokes equation is expressed this. Because continity equation doesn’t include pressure. Diagonal matrix consisting lumped coefficient can’t be made. If nothing is done, can’t apply naiver stokes equation to Kalman Fileter. So, I propose a solution that divide velocity from pressure.

分離 ニューアプローチ 流速 圧力 陽的オイラー法 Step 2 Step 1 New Approach   陽的オイラー法   分離 Step 1 圧力 Step 2 流速 In this research is applied Separation method. Temporaly discretization is applied explicit Euler method using Selective lumping parameter method. This equation is separated by pressure and velocity. Step 1 is obtained n+1 time step pressure. Step 2 is obtained n+1 time step velocity.

圧力 ニューアプローチ Step 1 This is First step to solve the pressure. New Approach –press- This is First step to solve the pressure. This equation is differentiated with respect to u. So this equation is maded. continuity equation into this equation. And pressure poisson equation is obtained.

ニューアプローチ 空間方向の離散化 The spacial discretization is carried out applying the Galerkin method. The pressure is interpolated using linear element.

流速 ニューアプローチ 空間方向の離散化 Step 2 New Approach –ve- 空間方向の離散化 This is a second step to solve the velocity. The spacial discretization is carried out applying the Galerkin method. The velocity is interpolated using linear element Obtaining first step pressure in here.

境界条件問題 Boundary problem P = 0 影響 P = 0 影響 Pressure boundary conditoin is need In order to solve Pressure poisson equation If don’t set the pressure boundary condition, this equation can’t solve. But, pressure bandary condition is nothing in actual phenomenon. Therefore, Pressure boundary condition set to here for descriptive purposes. But, to set boundary condition here is not so good idea because in a actual situation, pressure boundary condition of here is not equal 0. This pressure boundary condition adverse affect to analysis value. Solution of this promlem is outlined below. Consiquately, analysis domain is made longer. as setting boundary condition here, effection of boundary condition can be reduced.

境界条件問題 P = 0 P = 0 These figure shows the pressure distribution. Boundary problem2 P = 0 P = 0 These figure shows the pressure distribution. I make a comparison analysis value between before domain and this domain of long domain. This figure is this part. Such a difference appears.

状態遷移行列 F 状態遷移行列 F This matrix of finite element equation shows State transition matrix. S is advection term.

数値解析例 計算モデル 節点数 : 878 要素数 : 1624 有限要素分割 v=0 D 3.5D 27.5D U=1 P=0 V=0 Numerical Example 有限要素分割 節点数 : 878 要素数 : 1624 The figure shows computational model and finite element mesh. The total number of Nodes and elements are 878 and 1624, respectively. Boundary condition of this line is velocity given, this lines are slip conditions. This line is non-slip condition. This line is pressure = 0.

観測点 観測点 推定点 The figure shows Finite element mesh. Observation point 観測点 推定点 The figure shows Finite element mesh. Observation point is four point.Estimation point is here.. Estimation value is obtained using these observation data.

ノイズ noise noise Velocity Velocity Time Time noise Pressure Time These figures show the analysis value using Finite element method. In this research, add noise to ovservation data in order to ascertain the effect of Kalman filter finite element method. Time

Pressrue Distribution 圧力分布図 Pressrue Distribution カルマンフィルター有限要素法 These figure show the pressure distribution of whole domain. Whole domain is estimated using observation data. This figure show the pressure distribution using kalman filter finite element method. The other hand show the pressure distribution using finite element method. These figure is good agreement! Whole domain can be removed noise. 有限要素法

観測点 観測点 推定点 The figure shows Finite element mesh. Observation point 観測点 推定点 The figure shows Finite element mesh. Observation point is four point.Estimation point is here.. Estimation value is obtained using these observation data.

結果 <x方向の流速> 推定値 観測値 Time As a result, 結果 <x方向の流速> 観測値 推定値 Time Result of x-velocity As a result, The figure shows velocity-x. red line is estimation, green dot line is observation. Tow lines is good agreement.

結果 <y方向の流速> As a result, 結果 <y方向の流速> Result of y-velocity As a result, The figure shows velocity-y. red line is estimation, green dot line is observation. Tow lines is good agreement.

結果 <圧力> As a result, 結果 <圧力> Predicted pressure As a result, The figure shows pressure. red line is estimation, green dot line is observation. Tow lines is good agreement. I invite your attention to this. Early time step couldn’t remove noise. As a One of cause, I think so that how to give initial condition of predicted error covariance. この部分に注目してください。これ以降に比べて、ノイズが取りきれていない のが分かります。 その原因の一つとして、予測誤差共分散の初期条件にあると考えます。

Predicted error covariance 初期予測誤差共分散 Predicted error covariance 単位行列 予測誤差共分散(200) Unit matrix set to the predicted error covatiance in before result. Because, it is difficult to set the initial condition of predicted error covairance. Case2 estimate using predicted error covariance at the 2000 time step. I tried setting the predicted error covariance at the 2000 time and estimating. 2000 time step is chosen because Kalman gain is convergence enough. 先ほどの解析結果は、予測誤差共分散の初期条件を単位行列で与えていた。 なぜならば予測誤差共分散は最適な初期条件を与えることが現在難しい。 今回、その解決策として、一度2000ステップまで計算を行い、そのときの予測誤差共分散を 初期条件として計算してみた. : 予測誤差共分散

結果 <圧力> 予測誤差共分散(200) 単位行列 Result 2 予測誤差共分散(200) 単位行列 This figure show the pressure setting unit matrix. This figure show the pressure setting predicted error covariance at the 2000 time step. Comprared with these result, this rsult removed the noise. So, initial conditon of predicted error covariance is one of the cause of this problem. 二つを比較すると、ノイズが取れています。 よって、初期条件の与え方が原因の一つであったことがわかりました。

ナビエ・ストークス方程式にカルマンフィルター 4点の観測点から全体を推定することができた まとめ ナビエ・ストークス方程式にカルマンフィルター 有限要素法を適用できた 観測誤差を取り除くことができた 4点の観測点から全体を推定することができた カルマンフィルター有限要素法を使った推定値は 観測値と一致した In my research, many problems is solved.

Result 2 <X-Velocity> Time Result 2  at the 2000 - time Time Unit Matrix This figure show the pressure setting unit matrix. This figure show the pressure setting predicted error covariance at the 2000 time step. Comprared with these result, this rsult removed the noise. So, initial conditon of predicted error covariance is one of the cause of this problem. 二つを比較すると、ノイズが取れています。 よって、初期条件の与え方が原因の一つであったことがわかりました。 Time

Result 2 <Y-Velocity>  at the 2000 - time Time Unit Matrix This figure show the pressure setting unit matrix. This figure show the pressure setting predicted error covariance at the 2000 time step. Comprared with these result, this rsult removed the noise. So, initial conditon of predicted error covariance is one of the cause of this problem. 二つを比較すると、ノイズが取れています。 よって、初期条件の与え方が原因の一つであったことがわかりました。 Time

Boundary Conditions The figure shows boundary conditions. Γ1 is verocity known. 2 is slip condition. 3 is non-slip condition. 4 is traction =0 and pressure = 0,

Longmesh conter

Velocity Vector Result KF-FEM FEM This figure shows the velocity vector. I make a comparison between the estimation value and the analysis value at the all domain. KF-FEM and FEM is good agreement on every point. FEM

Pressure Conter Result KF-FEM FEM This figure shows the Pressure conter. I make a comparison between the estimation value and the analysis value at the all domain. KF-FEM and FEM is good agreement on every point. FEM

Matrix of Pressure poisson equation

Linear Interpolation Linear element 1 3 2 This is linear element

NOISE KF-FEM KF-FEM

The KF-FEM is applied to the actual phenomenon. Future Work Future work It is neccesary to consider about pressure boundary condition on the outflow boundary. The KF-FEM is applied to the actual phenomenon.