《Engineering Applications of Artificial Intelligence》：A regional-information-fusion-based data augmentation method for hydrodynamic analysis of underwater gliders
編輯推薦：
水下滑翔機流體動力學(xué)特性分析中，提出四階段數(shù)據(jù)驅(qū)動方法以降低計算成本并提升數(shù)據(jù)利用率，通過區(qū)域特征信息融合與數(shù)據(jù)增強策略實現(xiàn)數(shù)據(jù)集規(guī)模擴大，并驗證其在形態(tài)優(yōu)化中的應(yīng)用有效性。
譚麗杰|吳宏宇|雷蕾|(zhì)蔡金虎|譚志鐸|嚴少澤|楊云強
中國地質(zhì)大學(xué)（北京）工程技術(shù)學(xué)院，北京，100083，中國
摘要
水下滑翔機（UGs）以其低能耗而聞名，需要出色的流線型設(shè)計（HSs）來提升性能。然而，HS設(shè)計嚴重依賴于耗時的計算流體動力學(xué)（CFD）模擬，這限制了大規(guī)模數(shù)據(jù)集的獲取。此外，現(xiàn)有研究缺乏對現(xiàn)有數(shù)據(jù)集的深入探索和擴展，導(dǎo)致數(shù)據(jù)利用率低下。這些限制嚴重阻礙了滑翔機技術(shù)的進步。因此，本文提出了一種區(qū)域特征信息融合方法（RFIFM），該方法從全配置CFD模擬中提取并存儲區(qū)域流線型特征，確保區(qū)域信息在集成物理環(huán)境中可重復(fù)使用。然后，提出了一種區(qū)域信息融合數(shù)據(jù)增強方法（RIFDA）和相應(yīng)的層次化實驗設(shè)計方法，將現(xiàn)有數(shù)據(jù)集擴展到至少原來的兩倍規(guī)模，實現(xiàn)數(shù)據(jù)可重復(fù)使用，同時生成物理一致的流線型數(shù)據(jù)樣本。隨后，使用機器學(xué)習(xí)方法對增強后的數(shù)據(jù)集進行訓(xùn)練，以實現(xiàn)流線型特征的高效預(yù)測。整個過程形成了一個四階段的數(shù)據(jù)驅(qū)動方法，包括數(shù)據(jù)采樣、獲取、增強和建模。最后，通過解決變形滑翔機的形狀優(yōu)化問題來驗證所提出的方法。本文可能為UGs的創(chuàng)新設(shè)計提供一定的理論指導(dǎo)。
引言
海洋是地球生態(tài)系統(tǒng)的核心組成部分，在人類活動中發(fā)揮著重要作用。隨著科學(xué)技術(shù)的發(fā)展，人類對海洋奧秘的探索不斷深入，為利用海洋資源和保護海洋環(huán)境提供了有力支持。因此，先進的水下探測設(shè)備的發(fā)展具有重要的應(yīng)用前景和意義。自1989年美國海洋學(xué)家Stommel首次提出水下滑翔機的概念設(shè)計（Stommel, 1989）以來，它引起了全球?qū)W者的關(guān)注。水下滑翔機不需要外部推進系統(tǒng)，具有許多優(yōu)勢，如低噪音和強大的航行耐力。目前，已經(jīng)成功開發(fā)了多種類型的水下滑翔機，并進行了海試，例如Slocum（Webb等人，2001年）、Seaglider（Eriksen等人，2001年）、Spray（Sherman等人，2001年）、Petrel（Wang等人，2011年）、Sea-wing（Yu等人，2011年）和Sea Explorer（Field等人，2015年）。近年來，水下滑翔機已成功應(yīng)用于長期海洋觀測任務(wù)，包括海洋生態(tài)系統(tǒng)探索（Benoit-Bird等人，2018年）、生物地球化學(xué)分析（Russell-Cargill等人，2018年；Wright-Fairbanks等人，2020年）和中尺度渦流觀測（Guo等人，2024年）。
動態(tài)建模是研究水下滑翔機性能的基礎(chǔ)。特別是，流線型方程是動態(tài)模型的核心組成部分，流線型特征分析是滑翔機開發(fā)過程中的關(guān)鍵步驟。分析流線型特征的常用方法包括實驗方法（Williams等人，2008年）、計算流體動力學(xué)（CFD）（Zhang等人，2013年）、解析方法（Zhao等人，2016年）以及解析和半經(jīng)驗估計（ASE）方法（Ahmed等人，2023年，2025年；Cardenas和de Barros，2019年）。實驗方法提供了高解析精度，但實施起來具有挑戰(zhàn)性且成本高昂。解析方法效率較高，但建模復(fù)雜且計算精度較低。ASE的主要目標是減少模型參數(shù)的數(shù)量或簡化流線型模型。在ASE中，分別估計各個組件（如機體和機翼）的流線型系數(shù)，然后組合起來構(gòu)建整體流線型模型。由于CFD在解析精度和成本之間取得了平衡，因此被廣泛用于流線型特征分析。基于CFD模擬結(jié)果，Singh等人（2017年）研究了滑翔機的動態(tài)特性，并探討了可變浮力對滑翔角度、速度和攻角的影響。Fu等人（2018年）提出了一種基于非支配排序遺傳算法II（NSGA-II）的滑翔機多目標形狀優(yōu)化方法，旨在降低能耗并增加航行范圍。Wang等人（2018年）使用CFD、自由形態(tài)變形方法和替代優(yōu)化算法優(yōu)化了滑翔機的機翼形狀，成功提高了機翼的升阻比。隨后，Li等人（2021年）優(yōu)化了船體和機翼的形狀，以降低一個運動周期內(nèi)的平均阻力，優(yōu)化結(jié)果表明機翼主要影響升力，而船體主要影響阻力。Yang等人（2021b）基于替代模型技術(shù)對影響滑翔機流線型特征的形狀參數(shù)進行了敏感性分析，然后使用CFD優(yōu)化了船體形狀和機翼尺寸，降低了阻力系數(shù)并提高了航行范圍。Wang等人（2021年）提出了一種基于CFD、協(xié)同優(yōu)化方法和替代模型技術(shù)的多學(xué)科優(yōu)化設(shè)計框架，以優(yōu)化顯著影響滑翔機航行范圍的設(shè)計參數(shù)，從而提高了其整體耐力。Lei等人（2022年）提出了一種基于差分進化算法的水下滑翔機流線型參數(shù)識別方法，并使用拖曳水池測試和CFD模擬結(jié)果驗證了其有效性。同樣，基于CFD模擬，?erifo?lu和Tutak（2022年）研究了滑翔機船體產(chǎn)生的阻力與其內(nèi)部體積之間的關(guān)系。最后，Kurec等人（2024年）研究了動態(tài)旋轉(zhuǎn)運動下水下滑翔機的流線型特性。上述研究通過CFD和動態(tài)分析獲得了相對準確的水下滑翔機運動特性，進一步提升了滑翔機的性能并促進了其發(fā)展。然而，應(yīng)用的探索場景和操作要求推動了滑翔機設(shè)計的優(yōu)化和升級，這需要針對每種新配置進行CFD模擬。由于CFD的底層理論復(fù)雜，需要大量迭代計算以確保收斂，新的設(shè)計方案涉及長時間的研究和較高的計算成本，這嚴重阻礙了設(shè)計效率。此外，現(xiàn)有的CFD模擬數(shù)據(jù)集通常僅限于特定的設(shè)計參數(shù)或操作條件。這一限制阻礙了它們在新場景中的有效重用，導(dǎo)致數(shù)據(jù)利用率低下。
為了解決上述挑戰(zhàn)，本文進行了深入研究，旨在提高滑翔機流線型特征分析的計算效率，并通過與動態(tài)模擬的結(jié)合進一步提高性能預(yù)測的準確性，從而提高滑翔機的設(shè)計質(zhì)量。
本文的創(chuàng)新貢獻總結(jié)如下：
- 1.
針對粘性流線型特征分析，提出了一種區(qū)域特征信息融合方法（RFIFM），使得區(qū)域流線型數(shù)據(jù)在全配置滑翔機的物理環(huán)境中可重復(fù)使用。
- 2.
在此基礎(chǔ)上，提出了一種在攻角范圍α∈[?5°, 5°]內(nèi)的區(qū)域信息融合數(shù)據(jù)增強方法（RIFDA），旨在在CFD樣本有限的情況下擴展流線型數(shù)據(jù)集并提高CFD模擬數(shù)據(jù)的可重復(fù)使用性。
- 3.
通過將層次化實驗設(shè)計與RIFDA相結(jié)合，數(shù)據(jù)集有效擴展到至少原來的兩倍大小。在此基礎(chǔ)上，建立了一個高效的滑翔機流線型特征數(shù)據(jù)驅(qū)動模型，形成了面向工程優(yōu)化和設(shè)計的數(shù)據(jù)框架。
最后，通過解決變形水下滑翔機的形狀優(yōu)化問題來驗證所提出方法的有效性。結(jié)果證實，所提出的方法可以有效提高數(shù)據(jù)驅(qū)動模型的準確性，用于預(yù)測數(shù)據(jù)稀缺場景下配置參數(shù)與流線型特征之間的關(guān)系。
本文的其余部分組織如下。第2節(jié)簡要介紹了滑翔機流線型特征分析、數(shù)據(jù)驅(qū)動方法和數(shù)據(jù)增強技術(shù)的相關(guān)工作。第3節(jié)描述了所提出的方法，為數(shù)據(jù)稀缺場景下的數(shù)據(jù)驅(qū)動預(yù)測建模提供了新的視角。第4節(jié)通過數(shù)值示例驗證了所提出方法的有效性。最后，第5節(jié)得出了本文的主要結(jié)論。
章節(jié)片段
流線型力分析模型
在現(xiàn)有工作中，作用在水下滑翔機上的流線型力通常分為慣性流線型力和粘性流線型力。具體來說，慣性流線型力由滑翔機機體形狀、水密度以及滑翔機機體相對于流體運動的加速度和角加速度決定。同時，粘性流線型力由滑翔機機體形狀、水密度、速度和角速度決定
整體框架
考慮到現(xiàn)有研究的不足，本文旨在提高水下滑翔機的性能優(yōu)化效率。提出了四階段數(shù)據(jù)驅(qū)動方法，如圖2所示，其整體框架包括四個組成部分：數(shù)據(jù)樣本建模、數(shù)據(jù)獲取、數(shù)據(jù)增強和數(shù)據(jù)模型建立。特別是，RFIFM和RIFDA被視為該方法的核心。
在確定滑翔機形狀配置參數(shù)后，進行樣本采集
實驗設(shè)置
在本文中，Lglider 設(shè)定為2281毫米，所有CFD模擬參數(shù)配置如下：與參考文獻（Tan等人，2024年）一致，使用ANSYS Workbench 2022 R1生成非結(jié)構(gòu)化網(wǎng)格。具體來說，滑翔機機體網(wǎng)格大小設(shè)置為2毫米，計算域網(wǎng)格大小設(shè)置為200毫米。為了確保計算精度，建立了邊界層網(wǎng)格以捕捉滑翔機表面附近的速度梯度，第一層網(wǎng)格高度為
討論
盡管所提出的RIFDA在數(shù)據(jù)稀缺條件下展示了良好的工程適用性和預(yù)測性能，但其局限性可以總結(jié)如下。
(1)所提出的方法主要針對小攻角（α ∈ [?5°, 5°]下的水下滑翔機操作設(shè)計，在此范圍內(nèi)，流線型行為可以使用線性化模型合理近似。然而，在大攻角或強非穩(wěn)態(tài)流動條件下，各參數(shù)之間的非線性耦合效應(yīng)
結(jié)論
水下滑翔機的CFD模擬受到長時間計算和有限樣本大小的阻礙。此外，現(xiàn)有數(shù)據(jù)集受到特定設(shè)計參數(shù)或操作條件的限制，導(dǎo)致數(shù)據(jù)利用率低下。為了解決這些問題，本文提出了一種四階段數(shù)據(jù)驅(qū)動方法，以提高水下滑翔機性能分析和優(yōu)化的效率。本文的主要貢獻和結(jié)論總結(jié)如下：
(1)對于粘性
CRediT作者貢獻聲明
譚麗杰：撰寫——原始草稿，驗證，調(diào)查。吳宏宇：撰寫——審閱與編輯，方法論，資金獲取。雷蕾：調(diào)查。蔡金虎：軟件。譚志鐸：軟件。嚴少澤：監(jiān)督，資金獲取。楊云強：監(jiān)督。
致謝
本工作得到了國家自然科學(xué)基金（項目編號：12172188 和 52305263）、北京市自然科學(xué)基金（項目編號：3242007）、中央高校基本科研業(yè)務(wù)費（項目編號：FRF-TP-25-014）以及國家機器人及智能系統(tǒng)重點實驗室（項目編號：2025-O17）和北京高精尖計劃青年優(yōu)秀科學(xué)家資助計劃（項目編號：20250799）的支持。
作者還感謝
