ITR/AP COLLABORATIVE RESEARCH: Real Time Optimization for Data Assimilation and Control of Large Scale Dynamic Simulations

ITR/AP 合作研究:大规模动态模拟数据同化和控制的实时优化

基本信息

  • 批准号:
    0121360
  • 负责人:
  • 金额:
    $ 55万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
    Standard Grant
  • 财政年份:
    2001
  • 资助国家:
    美国
  • 起止时间:
    2001-10-01 至 2007-09-30
  • 项目状态:
    已结题

项目摘要

This project will create and apply algorithms and software tools for on-line simulations that continuously (1) assimilate sensor data from dynamic physical processes, and (2) generate optimal strategies for their control. A number of critical industrial, scientific, and societal problems stand to benefit from this research such as aerodynamics, energy, geophysics, infrastructure, manufacturing, medicine, chemical process and environmental applications; two of these will be the focus of the current research. In these and many other cases, the underlying models have become capable of sufficient fidelity to yield meaningful predictions, provided unknown parameters (typically initial/boundary conditions, material coefficients, sources, or geometry) can be estimated appropriately using observational data.The critical step is the solution of a large-scale nonlinear optimization problem that is constrained by the simulation equations, typically PDEs or their reduced order models. A data assimilation phase will seek to minimize the mismatch between sensor data and model-based predictions by adjusting unknown parameters of the PDE simulation, and the optimal control phase will find an optimal control strategy based on the updated model.Despite advances in hardware, networks, parallel PDE solvers, large-scale optimization algorithms, and real-time ODE optimization, significant algorithmic and software challenges must be overcome before the ultimate goal of real-time PDE data assimilation and optimal control can be realized. Needed are fundamentally new PDE optimization algorithms that must: (1) run sufficiently quickly to permit decision-making at time scales of interest; (2) scale to the large numbers of variables and constraints that characterize PDE optimization and processors that characterize high-end systems; (3) adjust to different solution accuracy requirements; (4) target time-dependent objectives and constraints; (5) tolerate incomplete, uncertain, or errant data; (6) be capable of bootstrapping current solutions; (7) yield meaningful results when terminated prematurely; and (8) be robust in the face of ill-posedness.To create, apply, and disseminate the enabling technologies for real-time PDE data assimilation and optimal control, the project will: (1) Develop algorithms and tools for real-time data assimilation and optimal control that meet the above specifications for a class of important applications. (2) Implement and publicly distribute these algorithms within an object-oriented framework that incorporates problem structure, interfaces easily with high performance PDE solver libraries fosters applicability of our tools to a broad range of real-time data assimilation and optimal control problems, and enables extension of the algorithms without interfering with applications. (3) Apply these algorithms and tools to two critical environmental and industrial problems: modeling and control of chemical vapor deposition (CVD) reactors and of wildland firespread. (4) Interact and work with other user communities to ensure that the algorithms and software we produce are useful across a broad range of applications.
该项目将创建并应用用于在线模拟的算法和软件工具,这些算法和软件工具不断地(1)从动态物理过程中吸收传感器数据,以及(2)为其控制生成最佳策略。 许多关键的工业、科学和社会问题都将从这项研究中受益,例如空气动力学、能源、地球物理学、基础设施、制造、医学、化学过程和环境应用;其中两项将是当前研究的重点。在这些和许多其他情况下,只要可以使用观测数据适当估计未知参数(通常是初始/边界条件、材料系数、来源或几何形状),基础模型就能够具有足够的保真度来产生有意义的预测。关键步骤是受模拟方程(通常是偏微分方程或其降阶模型)约束的大规模非线性优化问题的解。数据同化阶段将通过调整 PDE 模拟的未知参数来寻求最小化传感器数据和基于模型的预测之间的不匹配,而最优控制阶段将基于更新的模型找到最优控制策略。尽管硬件、网络方面取得了进步、并行PDE求解器、大规模优化算法和实时ODE优化,在实现实时PDE数据同化和最优控制的最终目标之前,必须克服重大的算法和软件挑战。需要的是全新的 PDE 优化算法,该算法必须:(1)运行得足够快,以允许在感兴趣的时间尺度上做出决策; (2) 扩展到表征偏微分方程优化的大量变量和约束以及表征高端系统的处理器; (3)适应不同解算精度要求; (4) 目标与时间相关的目标和约束; (5) 容忍不完整、不确定或错误的数据; (6) 能够引导当前的解决方案; (7) 提前终止时产生有意义的结果;为了创建、应用和传播实时 PDE 数据同化和最优控制的支持技术,该项目将: (1) 开发实时 PDE 数据同化和最优控制的算法和工具满足上述一类重要应用规范的数据同化和最优控制。 (2) 在面向对象的框架内实现并公开分发这些算法,该框架结合了问题结构,与高性能 PDE 求解器库轻松连接,促进了我们的工具对各种实时数据同化和最优控制问题的适用性,并使得在不干扰应用程序的情况下扩展算法。 (3) 将这些算法和工具应用于两个关键的环境和工业问题:化学气相沉积 (CVD) 反应器和荒地火势蔓延的建模和控制。 (4) 与其他用户社区互动和合作,确保我们生产的算法和软件在广泛的应用中有用。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Matthias Heinkenschloss其他文献

Sensitivity Technologies for Large Scale Simulation
大规模仿真的灵敏度技术
  • DOI:
    10.2172/921606
  • 发表时间:
    2005
  • 期刊:
  • 影响因子:
    0
  • 作者:
    S. Collis;R. Bartlett;Thomas Michael Smith;Matthias Heinkenschloss;Lucas C. Wilcox;Judith C. Hill;Omar Ghattas;Martin Olof Berggren;V. Akçelik;C. Ober;B. van Bloemen Waanders;E. Keiter
  • 通讯作者:
    E. Keiter
g Institut für Mathematik
g 数学研究所
  • DOI:
  • 发表时间:
    2009
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Harbir Antil;Matthias Heinkenschloss;Ronald H. W. Hoppe;Danny C. Sorensen
  • 通讯作者:
    Danny C. Sorensen
Interpolatory model reduction of quadratic-bilinear dynamical systems with quadratic-bilinear outputs
具有二次双线性输出的二次双线性动力系统的插值模型简化
  • DOI:
  • 发表时间:
    2023
  • 期刊:
  • 影响因子:
    1.7
  • 作者:
    Alejandro N. Diaz;Matthias Heinkenschloss;I. V. Gosea;A. Antoulas
  • 通讯作者:
    A. Antoulas

Matthias Heinkenschloss的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('Matthias Heinkenschloss', 18)}}的其他基金

Novel Multiple-Shooting Algorithms for Optimization Governed by Time-Dependent Partial Differential Equations
时相关偏微分方程控制的新型多重射击优化算法
  • 批准号:
    1819144
  • 财政年份:
    2018
  • 资助金额:
    $ 55万
  • 项目类别:
    Standard Grant
Numerical Solution of Constrained Optimization Problems Governed by Partial Differential Equations with Uncertain Parameters
参数不确定的偏微分方程约束优化问题的数值求解
  • 批准号:
    1522798
  • 财政年份:
    2015
  • 资助金额:
    $ 55万
  • 项目类别:
    Continuing Grant
Collaborative Research: Reduced Order Model Approaches for Time Dependent Nonlinear PDE Constrained Optimization
协作研究:用于瞬态非线性 PDE 约束优化的降阶模型方法
  • 批准号:
    1115345
  • 财政年份:
    2011
  • 资助金额:
    $ 55万
  • 项目类别:
    Standard Grant
Efficient Solution of Advection Dominated PDE Constrained Optimization Problems
平流主导偏微分方程约束优化问题的高效求解
  • 批准号:
    0915238
  • 财政年份:
    2009
  • 资助金额:
    $ 55万
  • 项目类别:
    Standard Grant
Collaborative Research: Multigrid Methods for PDE Constrained Optimization
协作研究:偏微分方程约束优化的多重网格方法
  • 批准号:
    0511624
  • 财政年份:
    2005
  • 资助金额:
    $ 55万
  • 项目类别:
    Continuing Grant
Optimization of Parabolic Systems: Iterative Methods, Suboptimal Controls, and Preconditioning
抛物线系统的优化:迭代方法、次优控制和预处理
  • 批准号:
    0075731
  • 财政年份:
    2000
  • 资助金额:
    $ 55万
  • 项目类别:
    Standard Grant
Mathematical Sciences Scientific Computing Research Environments
数学科学科学计算研究环境
  • 批准号:
    9872009
  • 财政年份:
    1998
  • 资助金额:
    $ 55万
  • 项目类别:
    Standard Grant
Mathematical Sciences: Optimization Methods for Optimal Control and Parameter Identification Problems
数学科学:最优控制和参数辨识问题的优化方法
  • 批准号:
    9403699
  • 财政年份:
    1994
  • 资助金额:
    $ 55万
  • 项目类别:
    Standard Grant

相似国自然基金

Ap4A帽子RNA及其去帽酶NUDT2在天然免疫应答中的功能研究
  • 批准号:
    32301079
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
Wip1/AP-1通路介导的CD8+/CD122+ Treg分化在移植排斥中的作用及机制研究
  • 批准号:
    82302004
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
GelMA水凝胶负载腺苷经破骨细胞MAPK/AP1信号轴促进骨质疏松性颌骨缺损修复的研究
  • 批准号:
    82301041
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
CXCR4介导NFAT/AP-1抑制CD8+T细胞免疫耗竭在心力衰竭中的作用及机制
  • 批准号:
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
大黄牡丹汤调控巨噬细胞“自噬-NLRP3-焦亡”途径改善AP肠免疫紊乱的作用机制研究
  • 批准号:
    82360898
  • 批准年份:
    2023
  • 资助金额:
    33 万元
  • 项目类别:
    地区科学基金项目

相似海外基金

ITR/AP: Collaborative Research: Modular Ocean Data Assimilation
ITR/AP:合作研究:模块化海洋数据同化
  • 批准号:
    0625631
  • 财政年份:
    2006
  • 资助金额:
    $ 55万
  • 项目类别:
    Continuing Grant
Collaborative Research: ITR/AP: Towards The Development Of Operational Adjoint Method Based Ensemble Prediction Techniques For El Nino Southern Oscillation
合作研究:ITR/AP:致力于开发基于运算伴随方法的厄尔尼诺南方涛动集合预测技术
  • 批准号:
    0628690
  • 财政年份:
    2006
  • 资助金额:
    $ 55万
  • 项目类别:
    Continuing Grant
ITR/AP:Collaborative Research - Synthesis of High Performance Algorithms for Electronic
ITR/AP:合作研究 - 电子高性能算法综合
  • 批准号:
    0450462
  • 财政年份:
    2004
  • 资助金额:
    $ 55万
  • 项目类别:
    Standard Grant
ITR/AP: Collaborative Research: Model Reduction of Dynamical Systems for Real-time Control
ITR/AP:协作研究:用于实时控制的动态系统模型简化
  • 批准号:
    0325227
  • 财政年份:
    2003
  • 资助金额:
    $ 55万
  • 项目类别:
    Continuing Grant
ITR/AP: Collaborative Research: Modular Ocean Data Assimilation
ITR/AP:合作研究:模块化海洋数据同化
  • 批准号:
    0341139
  • 财政年份:
    2003
  • 资助金额:
    $ 55万
  • 项目类别:
    Continuing Grant
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了