Data Driven Modeling of Nonlinear Dynamics in a Rotating Detonation Combustor via Finite Dimensional Approximations of the Koopman Operator

기술 요약: 유한 차원 코프만 연산자 근사를 통한 회전 데토네이션 연소기의 비선형 동역학 데이터 기반 모델링

문제 정의
회전 데토네이션 연소기(RDC)는 압력 이득 연소(PGC)를 통해 상당한 열역학적 효율 이득을 제공한다. 그러나 그 작동 과정에는 역방향 회전 데토네이션 파동, 정지파 패턴, 그리고 상호작용 지점에서의 비선형 증폭과 같은 복잡한 비선형 동역학이 포함된다. 이러한 동역학을 이해하는 것은 안정성과 효율성을 평가하는 데 매우 중요하다. 1차 균형 방정식이나 순수 데이터 기반 딥러닝과 같은 전통적인 모델링 접근 방식은 이러한 특정 비선ق 상호작용을 포착하는 데 어려움을 겪거나 방대한 계산 자원을 필요로 하는 경우가 많다. 또한, 표준 데이터 기반 기법인 동적 모드 분해(DMD)는 RDC 데이터에 적용될 때 다음과 같은 구체적인 문제에 직면한다:

1. 진행파(Traveling Waves): 표준 DMD는 진행파 구조를 효과적으로 묘描하는 데 어려움이 있다.
2. 센서 노이즈: 발광 및 압력 데이터의 측정 노이즈는 DMD 고유값(eigenvalues)에 편향을 일으켜, 부정확한 신호 재구성을 초래한다(예: 감쇠율 과대 산정).
3. 비선형성: 표준 DMD는 선형 방법이므로 특정 확장을 없이는 본질적으로 비선형 현상을 묘사할 수 없다.
4. 정지파(Standing Waves): 역방향 회전 파동의 상호작용은 표준 방식으로는 정확하게 재구성하기 어려운 정지 패턴을 생성할 수 있다.

방법론
저자들은 코프만 연산자의 유한 차원 근사를 기반으로 한 맞춤형 알고리즘 시퀀스를 제안한다. 이 워크플로우는 여러 확립된 방법들을 하나의 응집된 파이프라인으로 통합한다:

1. 데이터 획득 및 전처리: TU Berlin의 RDC로부터 수집된 고속 비디오 데이터(발광 데이터)와 압전 압력 센서 데이터를 사용한다. 후처리 파이프라인은 마스킹, 극좌표 변환, 반경 방향 평균화를 통해 이미지 데이터($329 \times 329$ 픽셀)를 방위각 발광 프로파일($n=819$)로 차원을 축소하며, 거울 왜곡을 보정한다.
2. 기준 틀(Frame of Reference, FR) 변환: 진행파를 처리하기 위해, 데이터를 관성 좌표계에서 파동 속도에 정렬된 이동 좌표계로 변환한다. 파동 속도는 압력 또는 발광 신호의 고속 푸리에 변환(FFT)을 통해 결정된다. 상태 벡터에 원형 이동(circular shifts)을 적용하여 새로운 FR에서 진행파가 정지해 있도록 만든다.
3. 시간 지연 임베딩을 이용한 확장 동적 모드 분해(EDMD): 임의의 딕셔너리 함수 대신, 상태의 시간 지연 임베딩을 딕셔너리로 사용한다. 임베딩의 수($s$)는 휴리스틱하게 선택되지 않고, 데이터의 주기성($s \approx 1 / (f_{base} \Delta t)$)에 기반하여 추정된다. 여기서 $f_{base}$는 가장 낮은 동역학적 유효 주파수(종방향 모드 $L4$로 식별됨)이다.
4. Exact DMD (ExactDMD): 데이터의 저계수(low-rank) 구조를 활용하여 코프만 연산자의 초기 유한 차원 근사치를 계산하는 데 사용된다.
5. 최적화된 DMD (OptDMD): 센서 노이즈가 고유값을 단위 원에서 벗어나게 하여 발생하는 편향을 완화하기 위해, ExactDMD 결과를 초기 추정치로 사용하여 고유값과 모드를 반복적으로 정밀하게 조정하는 지수 피팅(exponential fitting) 작업으로서 OptDMD를 후처리 단계로 적용한다.
6. 최적 임계값 설정: 데이터 행렬의 종횡비를 기반으로 한 엄격한 기준을 사용하여, 실제 동역학적 콘텐츠와 노이즈 중심의 모드를 구분하는 절단 랭크($r$)를 결정한다.
7. 분해 및 재구성: 최종 시퀀스는 데이터를 진행파 성분과 비선형 상호작용 및 정지파를 포함하는 나머지 항으로 분리한다. 원래의 신호를 이러한 구성 요소들의 중첩으로 재구성하기 위해 스케일링 계수가 계산된다.

주요 기여

• 알고리즘 시퀀스: EDMD, 시간 지연 임베딩, 프레임 이동, 그리고 노이즈 완화(OptDMD)를 결합하여 RDC 데이터에 특화된 특정 워크플로우를 도입하였다.
• 물리 기반 임베딩: 임의의 선택이 아닌, 운영 모드의 주기성(특히 종방향 파동 주파수)에 기반하여 시간 지연 임베딩의 수($s$)를 추정하는 새로운 제안을 제시하였다.
• 동역학 분리: 진행파 구조를 데이터셋에서 성공적으로 분리함으로써, 역방향 회전 파동의 모달 구조에 대한 독립적인 분석을 가능하게 하였다.
• 노이즈 완화: OptDMD를 ExactDMD와 통합함으로써, 표준 DMD가 처리하지 못하는 RDC 발광 데이터의 센서 노이즈 편향 문제를 해결하였다.

결과
본 방법론은 RDC의 세 가지 뚜렷한 운영 모드에 적용되었다:

• 2CR: 동일한 강도와 속도를 가진 두 개의 역방향 회전 파동 (정지파 패턴).
• 2CR T: 지배적인 기본 파동과 더 느린 이차 파동, 그리고 세차 운동하는 상호작용 지점을 가짐.
• DS2: 기본 파동과 두 개 이상의 더 약하고 느린 역방향 회전 파동 세트.

비교 결과, 표준 DMD (ExactDMD)는 노이즈로 인해 고유값이 단위 원에서 크게 벗어나고 정지파 구조를 포착하지 못하여 2CR 모드를 정확하게 재구성하는 데 실패하였다. 반면, 제안된 시퀀스는 다음을 수행하였다:

• 이동 좌표계에서 진행파 구조를 성공적으로 재구성하였다.
• 역방향 회전 파동의 주파수와 그 고조파를 정확하게 식별하였다.
• 프레임 변환 과정에서도 종방향 모드 주파수($L4$)를 보존하였다.
• 신호를 진행파 성분과 비선형 나머지 항으로 명확하게 분해하여, 역방향 회전 파동의 모달 구조에 대한 통찰을 제공하였다.

의의 및 주장
저자들은 본 연구의 방법론적 참신함이 DMD 방법 자체를 발전시키는 데 있는 것이 아니라, RDC 데이터의 독특한 과제를 해결하기 위해 기존 DMD 변형들을 문제 특화적으로 조합한 것에 있다고 명시적으로 밝히고 있다. 본 연구는 RDC 실무자들이 역방향 회전 데토네이션 파동의 모달 구조를 분석할 수 있는 실용적인 워크플로우를 제공한다. 진행파를 데이터에서 분리함으로써, 이 접근 방식은 연소기의 안정성과 효율성을 지배하는 비선형 상호작용을 더 명확하게 분석할 수 있게 한다. 결론적으로, 이 데이터 기반 접근 방식은 복잡한 지배 방정식을 유도할 필요 없이 복잡한 비선형 동역학을 이해할 수 있는 실행 가능한 경로를 제공한다.