A load-coupled DMDc method for long-term aerodynamic load prediction in controlled fluid–structure interaction systems

航空宇宙およびエネルギー工学の世界には、流れる空気が構造物のそばを通り過ぎようとする動きと、その構造物が自らの位置を保とうとする動きとの間で繰り広げられる、絶え間なく目に見えない戦いがあります。柔軟な翼、風力タービンのブレード、あるいは浮体式プラットフォームが動くとき、それは空気を押し、空気もまた押し返します。この双方向の対話は、流体・構造相互作用（FSI）と呼ばれます。問題は、空気が単に一定で予測可能な力で押し返すのではなく、構造物がその瞬間にどのように動いているかに完全に依存して、複雑で非線形な形で渦を巻き、剥離し、その意思を変えることです。翼が激しく振動するのを止めたり、ロボットを水中で操縦したりしたいと考えているエンジニアにとって、この予測不可能性は大きな障壁となります。これらのシステムを制御するためのコントローラーを設計するには、未来を予測できるモデルが必要です。「もし私がこのように翼を動かしたら、次に空気はどう反応するか？」という問いに答えられるモデルです。従来のコンピュータシミュレーションは非常に正確ですが、リアルタイム制御に使用するにはあまりにも低速です。科学者たちはより単純で高速なモデルを構築しようと試みてきましたが、それらはシステムが複雑になったり、制御入力が変化したりすると、失敗することがよくあります。なぜなら、長期間にわたる流体と構造の間の乱雑で非線形なダンスを捉えるのが困難だからです。

西安交通大学の研究チームは、この特定の問題を解決するための新しい手法を開発しました。これは、長期にわたって空気力学的荷重と構造運動を予測しても道を見失うことのない、高速かつ正確なモデルを作成することを目的としています。彼らは、圧電アクチュエータ（電圧を加えると形状が変わる材料）によって曲げやねじれが生じる、平らな板状の翼（小さな翼のようなもの）に焦点を当てました。課題は、コンピュータモデルに空気と翼の相互作用を観察させ、彼らの会話のルールを学習させ、そして制御コマンドがシステムの挙動を複雑に変える場合であっても、様々な制御コマンドの下で次に何が起こるかを予測させることでした。研究者たちは、システムが単純で線形な挙動を示すと仮定する標準的な手法では、翼が大きく動いたり制御入力が変化したりすると、すぐに精度が低下することを発見しました。これらの古いモデルは現実から乖離し、力の大きさや翼の動きのタイミングを誤って予測するため、長期的な制御タスクには役に立ちません。

これを解決するために、チームは「制御付き荷重結合動的モード分解（load-coupled dynamic mode decomposition with control）」と呼ぶ新しいアプローチを導入しました。空気の押しを単なる静的な反応として扱うのではなく、彼らの手法は、空気力学的荷重の非線形効果をモデルの内部状態に積極的に組み込みます。モデルを、複雑なスキルを学ぼうとしている学生だと想像してみてください。これまでの手法は、ステップを直線的に暗記しようとしていたかもしれませんが、この新しい手法では、学生が前のステップの結果（実際に空気が及ぼした力）を見て、その情報を使って次のステップを修正することを可能にします。研究者たちは、複雑な空気の流れと翼の動きを、最も重要で簡略化されたパターンへと分解する数学的手法を用いました。そして、現在の翼の状態と制御電圧を受け取り、空気力学的荷重係数を予測する特別なマッピングツールを追加しました。決定的なのは、予測された荷重が翼の運動の進化を修正するためにモデルにフィードバックされることであり、これにより、変位と速度がどのように関連しているかという物理法則とモデルが一致するようにしています。これにより、力の予測と運動の予測が互いに洗練し続ける閉ループが作成されます。

研究者たちは、高精度なコンピュータシミュレーション（精度は最高だがリアルタイム使用には遅すぎるもの）と比較して、この新手法をテストしました。彼らは、電圧をゆっくりと変化させてシステムを幅広い周波数で励起させる「周波数スイープ」と呼ばれる特定のタイプの入力から生成されたデータを用いて、モデルを学習させました。一度学習させると、彼らは4種類の異なる制御入力（同じ周波数スイープ、一連の定常周波サイン波、複数の周波数が混ざった複雑な波、そして電圧のオン・オフを行う滑らかなステップパルス）の下で、連続した140秒間のシステム挙動を予測させるという挑戦を行いました。結果は驚くべきものでした。他の高度な手法が数秒後に乖離したり大きな誤差を生じたりする一方で、新手法は140秒間のテスト全体を通じて高い精度を維持しました。空気力学的荷重と翼の先端変位の予測誤差は極めて低く、すべてのテストケースにおいて、荷重で7.33%、変位で1.25%を超えることはありませんでした。多くの場合、この新手法は既存の最も優れた技術と比較して、予測誤差を半分以下に削減しました。

この研究には、新しい手法のどの部分が成功の要因であるかを理解するための詳細な調査も含まれていました。非線形マッピングツールや、翼の運動を物理的に一貫させる制約など、異なるコンポーネントを系統的に取り除くことで、研究者たちは各要素が極めて重要な役割を果たしていることを示しました。非線形マッピングは、空気力学的荷重の微妙で複雑な変化を捉えるために不可なるものであり、運動学的な制約は翼の動きが現実的であり続けることを保証しました。さらに、単一ステップの予測ではなく、長期間の多段階予測から得られた誤差を用いてモデルを訓練することが、時間の経過とともにモデルが乖離するのを防ぐために極めて重要であることを発見しました。このような長期的な訓練に焦点を当てなければ、モデルは実用的な制御アプリケーションに必要な長期間の正確な予測を維持できなくなります。この研究結果は、荷重の予測をシステムの状態の進化に直接結合し、物理的一貫性を強制することで、リアルタイム使用に適した速さと、流体・構造相互作用の複雑で非線形な現実を扱うための正確さを兼ね備えた、次数低減モデルを作成することが可能であることを示しています。この成果は、航空機の翼からエネルギーハーベスターに至るまで、より効率的で安定した設計への道筋を提供し、空気や水中で柔軟な構造物を予測・制御する必要があるエンジニアに強力なツールを提供します。