Optimización de diseños de sensores escasos y métodos de reconstrucción basados en datos para problemas inversos de...

Área de la Ciencia:

• * Ciencias y ingeniería térmica
• * Transferencia de calor por computación
• * Modelado basado en datos

Sus antecedentes:

• * Los problemas inversos en la conducción del calor son cruciales para comprender el comportamiento térmico.
• * Los métodos existentes a menudo carecen de marcos robustos para la optimización de los sensores y la reconstrucción basada en datos.
• * La descomposición ortogonal adecuada (POD) y sus variantes son herramientas poderosas para la reducción de dimensionalidad.

Objetivo del estudio:

• * Desarrollar y validar el método de descomposición ortogonal apropiada (Gappy C-POD) basado en el clustering para la reconstrucción del campo de temperatura inversa.
• * Integrar la optimización del diseño de los sensores con técnicas de reconstrucción de campo basadas en datos.
• * Evaluar sistemáticamente el rendimiento de la reconstrucción a través de varias estrategias y algoritmos de colocación de sensores.

Principales métodos:

• * Método de diferencias finitas para resolver modelos numéricos con fuentes de calor internas y condiciones límite heterogéneas.
• * Desarrollo de un marco integral que integre la optimización del diseño de los sensores (aleatorio, S-OPT, CCFM, uniforme) y la generación de bases de datos (Hypercubo latino, Sobol, muestreo de distancia máxima y mínima).
• * Implementación y validación de Gappy POD y Gappy C-POD para la reconstrucción inversa.

Principales resultados:

• * Gappy POD y Gappy C-POD demuestran una gran robustez en escenarios de baja modalidad (1-5 modos).
• * Gappy C-POD, junto con el método de filtrado por coeficiente de correlación (CCFM) y el muestreo a distancia máxima, logra una estabilidad de reconstrucción superior.
• * POD-MLP y POD-RBF muestran un buen rendimiento en números modales más altos (> 10), pero son sensibles a la configuración del sensor y al tamaño de la muestra.

Conclusiones:

• * El estudio presenta la primera implementación y validación completas de la metodología Gappy C-POD.
• * El diseño óptimo de la red de sensores tiene un impacto significativo en la precisión y la estabilidad de la reconstrucción del campo de temperatura inversa.
• * Los resultados proporcionan información valiosa para integrar el modelado basado en datos y el diseño de sensores en entornos térmicos complejos.