新上线今天0 投票
神经算子助力浸没边界软体游泳者运动模拟
高保真浸没边界模拟能够精确解析变形游泳者与其周围流体的耦合运动，但高昂的计算成本限制了其在工程设计、参数研究和控制中的重复评估。为了突破这一瓶颈，研究人员开发了神经算子代理模型，用于时间维度上预测平面和体积鳗鱼游泳者产生的流体动力学场。这些代理模型基于自适应流固耦合模拟导出的规则网格场进行训练，并以游泳者几何形状和雷诺数为条件。
在平面模型中，模型联合预测两个速度分量、标量涡量和压力。在五个留出的高雷诺数轨迹上，其全域相对L2误差为3.51%。对于体积公式，研究采用了三个特定目标的模型，共享多通道输入：一个预测三维速度，一个预测涡量，一个预测压力。在五个留出的范围内轨迹上，它们的全域相对L2误差分别为3.44%、5.58%和19.2%。
这些结果表明，对于移动边界游泳者流场，场分辨神经代理模型是可行的，同时也指出了压力精度和物理一致性是进一步发展的优先方向。该研究为流体力学中的复杂动态系统提供了新的建模思路，有望加速游泳机器人设计和水下航行器的优化。