3. 模型降阶的数学基础

模型降阶（Model Order Reduction, MOR）的核心思想是：高保真有限元模型往往包含数十万甚至数百万自由度，但系统在参数扫描或瞬态演化中真正“活跃”的运动模式却集中在极低维的子空间里。只要找到这组低维基，就能把原问题投影到小规模系统上求解。本节围绕四个关键概念展开：本征正交分解（POD）、奇异值分解（SVD）、Galerkin 投影与最小二乘 Petrov-Galerkin 投影，并说明它们在 COMSOL 弱形式中的落地方式。

一、从快照到低维基：POD 与 SVD 的关系

POD 是一种数据驱动的降阶方法。假设我们对某个物理场 u(x, t) 在若干时刻或若干参数点采样，得到一组“快照” u₁, u₂, …, u_m，每个快照是 N 维离散向量（N 为有限元自由度）。把这些快照按列排成快照矩阵 S ∈ ℝ^N×m。POD 要寻找一组正交基 Φ = [φ₁, φ₂, …, φ_r]，使得任意快照在这组基上的投影误差在最小二乘意义下最小。

这个最优化问题的解，恰好由快照矩阵的奇异值分解给出：S = UΣV^T。其中 U 的列向量就是 POD 基（左奇异向量），Σ 的对角元 σ₁ ≥ σ₂ ≥ … ≥ 0 是奇异值，V 的列向量是时间/参数模态。奇异值的大小直接反映对应基模态携带的能量：σ_i² 正比于第 i 个模态的能量。因此截断准则非常直观——保留前 r 个模态，使累计能量占比达到设定阈值，例如 99.9% 或 99.99%。

需要强调的是，POD 基的“最优性”是在快照集合上的 L² 意义下成立的，它并不保证对快照之外的新参数点也一定最优。因此快照采样必须覆盖关心的参数区间和激励频段，否则降阶模型会在插值区间外迅速失准。

二、Galerkin 投影：让残差与试探空间正交

得到基 Φ 后，下一步是把原方程投影到低维空间。设原弱形式为：求 u ∈ V，使得对任意试探函数 v ∈ V 有 a(u, v) = L(v)。降阶近似写作 u ≈ Φq，其中 q ∈ ℝ^r 是待求的降阶坐标。

Galerkin 投影的做法是：令试探函数也取同一组基，即 v = φ_j，j = 1..r。代入后得到降阶方程：

Φᵀ A Φ q = Φᵀ b
即  A_r q = b_r,  其中 A_r = Φᵀ A Φ ∈ ℝ^{r×r},  b_r = Φᵀ b ∈ ℝ^r

这里 A 是原离散算子矩阵，b 是载荷向量。Galerkin 投影的几何含义是：降阶解代入原方程后的残差 r = AΦq − b 与整个试探空间 span(Φ) 正交。当原算子 A 对称正定时，Galerkin 投影等价于在子空间上最小化能量泛函，稳定性好、误差有界。COMSOL 中大量物理场（结构力学、传热、静电场）的弱形式都满足这一条件，因此 Galerkin 是默认首选。

三、最小二乘 Petrov-Galerkin：当试探空间与测试空间不同

对流主导问题、含强非对称算子的流动问题中，Galerkin 投影会出现伪振荡甚至发散。原因是残差虽然与试探空间正交，但残差本身可能很大。此时改用 Petrov-Galerkin：试探空间仍为 span(Φ)，但测试空间取另一组基 Ψ，要求 Ψ^T(AΦq − b) = 0，得到 Ψ^TAΦ q = Ψ^Tb。

若进一步要求残差在最小二乘意义下最小，即 min_q ‖AΦq − b‖₂²，其正规方程为 (AΦ)^T(AΦ) q = (AΦ)^Tb。这相当于取 Ψ = AΦ，即测试基由算子作用于试探基生成。最小二乘 Petrov-Galerkin 的降阶矩阵为 Φ^TA^TAΦ，条件数约为 Galerkin 的平方，因此对病态问题需要配合基正交化或加权处理。它的优势是：即使 A 非对称、非正定，仍能保证残差最小，适合对流扩散、Navier-Stokes 线性化系统等场景。

四、在 COMSOL 弱形式中实现投影

COMSOL 的弱形式接口（Weak Form PDE）允许用户直接书写弱表达式。默认情况下，试探函数与测试函数同名，例如 test(u) 与 u，此时自动构成 Galerkin 投影。若要实现 Petrov-Galerkin，需要把测试函数与试探函数解耦：试探场用 u 表示，测试函数改用另一个变量名，例如 test(u_test)，并在弱表达式中显式写出测试算子。

一个典型的最小二乘 Petrov-Galerkin 弱形式写法如下（以稳态对流扩散为例）：

弱形式表达式：
  (beta·grad(u) - f) * test(u_test) + kappa*grad(u)·grad(test(u_test))
其中：
  u        —— 试探场（降阶坐标展开的物理量）
  u_test   —— 测试场，仅用于生成测试函数
  beta     —— 对流速度向量
  kappa    —— 扩散系数
  f        —— 源项

若要在降阶基上求解，可把 u 写成 sum(q_i * phi_i, i, 1, r) 的形式，其中 phi_i 是从外部导入的 POD 基函数（可通过插值函数或文件导入）。COMSOL 会据此组装出 r×r 的降阶矩阵。实际工程中更常见的做法是：先在 COMSOL 中完成高保真瞬态或参数扫描，导出快照到 MATLAB/Python 做 SVD，再把截断后的基以插值函数形式回填到弱形式中。

五、误差与稳定性判断

降阶模型是否可信，不能只看能量占比。建议同时观察三个指标：一是截断能量 E(r)，通常要求 ≥ 99.9%；二是降阶解与高保真解在若干验证参数点上的相对 L² 误差，目标一般小于 1%；三是降阶矩阵的条件数，若超过 1e12 则数值求解会明显失稳。对于 Petrov-Galerkin，条件数约为 Galerkin 的平方，因此 r 不宜取得过大，通常控制在 20～60 之间即可覆盖大多数工程问题的主要模态。

最后要提醒：POD 基是从快照中“学”出来的，它对外推参数非常敏感。若参数区间跨度大，应采用分段 POD 或自适应采样，而不是一味增加 r。理解 SVD 的能量排序、Galerkin 的正交残差条件以及 Petrov-Galerkin 的最小二乘本质，才能在 COMSOL 弱形式中做出正确的投影选择。