Finite-Dimensional MOR-Based RHC for Steering 2D Navier-Stokes Equations to Desired Trajectories

這份來自康斯坦茨大學與維爾斯特拉斯研究所的最新論文指出，透過結合退移視界控制（RHC）與適當正交分解（POD）降階模型，能在不犧牲穩定性的前提下，將具備無限維度特性的 2D Navier-Stokes 流體動力學系統局部指數穩定至目標軌跡。

控制 2D Navier-Stokes 方程式的運算門檻

Navier-Stokes 方程式描述了黏性流體的運動物理行為，其固有的高度非線性與偏微分特性，讓流體的數值模擬與最佳化控制長期面臨極高的運算門檻。研究團隊的目標是找出一種高效的可計算控制策略，將二維空間內的流體速度向量與壓力場，平滑地引導至預先設定的參考軌跡上。具體來說，這種控制必須由有限數量的致動器（actuators）來實現，這些致動器在數學上被精確定義為特定控制子區域內的指標函數。

為了解決這個最佳控制問題，傳統作法往往需要面對龐大的維度災難。當系統狀態處於無限維度的偏微分方程式（PDE）空間中，任何即時的閉迴路反饋控制都會消耗極大的硬體與時間資源。研究團隊因此引入了退移視界控制（Receding Horizon Control, RHC，一種在移動時間窗口內反覆求解最佳化問題的技術），試圖在無限時間長度的最佳化推演與有限的當前運算力之間取得數學上的平衡。

在設定最佳化目標時，團隊設計了一個專屬的效能指標函數。該函數由兩部分組成：流體實際狀態與參考軌跡在特定時間區間內的平方誤差，以及乘以懲罰權重的控制力道消耗。系統在每次疊代中，都致力於最小化這個成本函數，以最節省能量的方式修正流體軌跡。

建構無須終端約束的 RHC 控制演算法框架

偏微分方程式的 RHC 框架核心，在於將一個難以直接求解的無限期（infinite-horizon）最佳控制問題，拆解為一系列時間軸上相互重疊的有限期開迴路（open-loop）子問題。在此研究中，團隊採用了一種特定的拼接策略來確保整個系統的長期穩定性，這套方法最大的數學優勢在於不需要設定終端成本（terminal costs）或終端約束條件。

在具體的演算法設計上，系統會以一個固定的採樣時間（sampling time）為基準，不斷向前推演預測視界。理論分析嚴謹證實，只要致動器的數量超過特定的常數門檻，且預測視界長度大於或等於採樣時間，這套 RHC 演算法就能在 L2 空間（一種衡量函數平方可積性的數學空間）中達成局部指數穩定（local exponential stabilization），並且具備次佳化（suboptimality）的特性。

這意味著流體狀態與目標軌跡之間的誤差，會隨著時間推移以指數級別快速衰減。此框架不僅提供了開迴路與閉迴路控制之間的橋樑，也證明了只要在空間中佈署足夠密集的有限致動器，就能有效控制具備無限自由度的流體動態。

突破 L2 空間中弱解局部穩定性的數學證明

這份論文在數學理論上的重要突破，在於將過去針對 3D Navier-Stokes 方程式強解（strong solutions）的控制框架，成功改寫並擴展適用於 2D Navier-Stokes 方程式的弱解（weak solutions）。處理弱解的困難點在於其數學正規性（regularity）較低，這使得傳統用來證明穩定性的常數變異法無法直接套用。

研究團隊在文中定義了平移系統（translated system），將控制目標轉化為將誤差狀態穩定至零。他們運用了散度為零的向量場空間，並引入 Leray 投影（Leray projection）來消除壓力梯度項的干擾。接著定義了斯托克斯算子（Stokes operator）與連續雙線性形式，進一步將目標控制系統精確轉化為弱變分形式。

透過嚴謹的能量估計與 Galerkin 逼近方法，團隊證明了即便非線性項的值域處於比 L2 空間更低階的對偶空間中，只要給定適當的雷諾數設定與參考軌跡條件，系統的誤差向量仍會以特定的常數指數衰減率收斂。這項證明為流體動力學的回饋控制提供了堅實的底層數學基礎。

導入 POD 降階模型大幅削減 PDE 運算負擔

儘管純粹的 RHC 提供了良好的理論穩定性保證，但要在每個極短的採樣區間反覆求解高維度的有限期 PDE 最佳控制問題，在工程實務上幾乎是不可能的任務。為了打破這個計算瓶頸，研究團隊導入了基於適當正交分解（Proper Orthogonal Decomposition, POD，一種從歷史數據中提取主要特徵基底的降維技術）的降階模型（Model Order Reduction, MOR）。

這套 MOR 架構的運作機制，是先在初始的預測視界內對高解析度模型進行求解，並生成一系列的狀態快照（snapshots）。演算法會從這些快照中萃取出維度極低的替代模型（surrogate models），用來取代原本高保真度的主狀態方程式與伴隨方程式（adjoint equations）。

在後續的 RHC 迭代過程中，控制系統只需解算這個維度大幅縮減的開迴路子問題。如果流體動態在推演過程中發生顯著改變，系統也支援透過線上更新機制，將新生成的快照加入並重新計算 POD 投影基底，確保降階模型始終緊密貼合真實的物理流體動態。

數值實驗驗證 MOR-based RHC 的閉迴路準確性

為了驗證嚴澀的數學理論，論文設計了兩種複雜度遞增的流體配置數值實驗，涵蓋了不同的流體黏度係數、幾何求解網格、邊界條件以及致動器空間佈局。實驗數據明確顯示，基礎的 RHC 架構確實能透過有限數量的局部驅動力，成功將複雜的渦流干擾引導至預期的平穩參考軌跡上。

更具指標意義的是，在全面採用 MOR-based RHC 策略後，系統求解每一個時間步長的整體運算時間獲得了數量級的急遽縮減。由於 POD 降階模型有效捕捉了流場最核心的能量動態，其計算出的最佳控制訊號與耗時的全階模型（full-order formulation）輸出結果高度吻合。

這項成果代表在實際部署時，控制演算法可以大幅降低對伺服器硬體算力的依賴，同時維持極為優異的閉迴路穩定效能。不僅驗證了有限維度控制在流體力學中的可行性，也為未來需要即時運算的複雜 PDE 系統控制開啟了全新的實用化路徑。

透過結合退移視界控制與適當正交分解降階模型，二維流體動力學的高維度最佳控制問題得以在確保指數穩定性的同時，實現極大幅度的運算降載。