Ein Satz von Techniken zur Konstruktion eines nieder-dimensionalen Ersatzmodells, das das Ein- und Ausgangsverhalten eines hochdimensionalen dynamischen oder parametrischen Systems annähert und dabei wesentliche Merkmale für Analyse, Regelung oder Optimierung bewahrt.

Prinzip

Ersetze einen hochdimensionalen Operator oder Zustandsraum durch eine niedrigdimensionale Darstellung, die dominante Modi, Übertragungseigenschaften oder Ein-Ausgangsabbildungen erhält, sodass die Berechnung günstiger wird, die Vorhersagen jedoch innerhalb einer spezifizierten Toleranz bleiben.

Demonstration

Aufbau eines reduzierten Modells für ein Fluid-Struktur-Interaktionsproblem durch Projektion der vollen Finite-Elemente-Discretisierung auf eine Basis empirischer Modi aus Simulations-Snapshots und anschließende Nutzung des reduzierten Systems für deutlich schnellere Auslegungsstudien.

Fehlanwendung

Verwendung einer beliebigen niedrigdimensionalen Projektion ohne Prüfung der Basisrepräsentativität, was zu großen Fehlern führt, wenn das System außerhalb des Snapshot-Bereichs angeregt wird oder vernachlässigte Modi aktiv werden.

Konsequenz

Bei korrekter Anwendung liefern Reduktionsverfahren surrogatmodelle, die Simulationen beschleunigen, Echtzeitregelung und Parameterstudien ermöglichen sowie Speicher- und Kommunikationskosten senken, während die Approximation quantifiziert wird.

Umkehrung

Das Gegenstück ist die Beibehaltung der Vollordnung oder vollständigen Modelltreue, bei der keine Dimensionsreduktion vorgenommen wird und das hochdimensionale Modell unverändert bleibt.

Abgrenzung

Gilt für lineare und nichtlineare, zeitabhängige und stationäre Systeme, sofern eine dominante nieder-dimensionale Struktur existiert oder approximierbar ist; ausgeschlossen sind Probleme, deren Dynamik für alle relevanten Eingaben inhärent hochdimensional bleibt oder bei denen die Reduktion essentielle Zwänge (z. B. Erhaltungssätze) zerstört, sofern nicht struktur-erhaltende Reduktionen verwendet werden.

Semantische Spannung

Steht im Spannungsfeld zu rein datengetriebenen Surrogatmodellen: Beide reduzieren Kosten, unterscheiden sich jedoch darin, ob systemtheoretische Struktur (lineare Operatoren, Symmetrien) erhalten oder die Ein-Ausgangsabbildung empirisch angepasst wird.

Synthese

Modellordnungsreduktion ist die disziplinierte Ersetzung eines rechenintensiven, hochdimensionalen Systems durch ein kompaktes Surrogat, das das kritische Ein-Ausgangsverhalten und die mathematische Struktur für die beabsichtigten Analyse- oder Regelaufgaben hinreichend bewahrt.