Model reduction using Dynamic Mode Decomposition

Dynamic Mode Decomposition (DMD) is a recent post-processing technique that extracts from snapshots dynamic relevant information for the flow. Without explicit knowledge of the dynamical operator, the DMD algorithm determines eigenvalues and eigenvectors of an approximate linear model. The ability of DMD to extract dynamically relevant features of the flow predispose it for building a representative reduced-order subspace from the data and for deriving a reduced-order model. The use of the DMD for reduced-order modelling will be investigated in this paper on experimental flow data of a cylinder wake.

RésuméLa décomposition en modes dynamiques (DMD) est une technique récente de post-traitement qui extrait des informations liées à la dynamique de l'écoulement à partir d'une séquence de snapshots. Sans connaissance explicite de l'opérateur dynamique, l'algorithme DMD détermine les valeurs et vecteurs propres d'un modèle linéaire approché. La capacité de la DMD à extraire des structures pertinentes en termes de dynamique de l'écoulement la prédispose à la construction, à partir de données, d'un sous-espace de dimension réduite représentatif et au développement d'un modèle de dimension réduite. L'utilisation de la DMD pour la réduction de modèle sera étudiée dans ce papier sur des données expérimentales d'un écoulement de sillage autour d'un cylindre.