基于分块潜扩散的湍流边界层壁面压力时空重建

湍流边界层中的壁面压力波动会驱动流体致动噪声、结构振动和水声扰动，尤其在水下和航空系统中尤为突出。准确预测其波数频率谱对于减缓和设计至关重要，但经验/解析模型依赖于简化假设，无法捕捉完整的时空复杂度，而高保真数值仿真在高雷诺数条件下代价高昂。实验测量虽然易于获取，但仅提供点信号，缺乏恢复完整时空场的分辨率。我们提出一种概率生成框架，将分块（域分解）条件神经场与潜在扩散模型耦合，以生成可变压力梯度条件下的时空壁面压力场。该模型基于稀疏表面传感器测量及低成本均压描述进行条件化，支持对新传感器布局的零样本适应，并产生具有校准不确定性的样本集。与参考数据验证结果表明，模型能够准确恢复瞬态场及关键统计量。