Stochastic model order reduction in randomly parametered linear dynamical systems

این مطالعه بر توسعه مدل های کاهش سفارشات برای تجزیه و تحلیل تصادفی از سیستم های دینامیکی خطی پیچیده بزرگ با عدم قطعیت های پارامتری تمرکز دارد و هدف آن کاهش هزینه های محاسباتی بدون به خطر انداختن صحت راه حل است. در اینجا، رویکرد دوگانه به مدل کاهش سفارشات تصویب شده است. کاهش در ابعاد فضای دولت ابتدا به وسیله فرایند توسعه معادل سیستم معادل است که شامل تحولات خطی است که اثر تأخیر فضای حالت را با هم آمیختن تقریبی حالت طبیعی مرتبط می کند. این تحولات پس از آن به وسیله طراحی پارامترهای نامشخص به زیر فضای هیلبرت و به دست آوردن یک راه حل از مسئله اختصاصی تصادفی با استفاده از گسترش هرج و مرج، به صورت تصادفی گسترش می یابد. کاهش در ابعاد تصادفی با حفظ تنها حالت تصادفی غالب در فضای پایه به دست می آید. تحولات پیشنهادی امکان ساخت مدل های جایگزین برای سیستم های دینامیکی پیچیده مرتب شده را که به طور مرتب مرتب شده اند و باعث پیش بینی های دقیق در هزینه های محاسباتی قابل توجهی می شوند.