面向多相流建模与排气车辆不确定性量化的输出-循环门控状态空间模型
流体动力学
2025-09-03 v1
摘要
本文提出一种用于复杂多相流建模与排气车辆运动过程中不确定性量化的输出-循环门控状态空间模型（OR-GSSM）。通过半群理论和格拉克尔投影建立气-液 Navier-Stokes 方程的状态空间公式，显式刻画速度、压力和体积分数场之间的动态耦合演化。设计一种新型门控状态空间转换单元（GSST），用于学习具有自适应时间尺度的参数化转换矩阵和输入矩阵，增强物理可解释性和计算效率。输出循环机制符合状态空间方程的数值解特征，缓解了基于教师强制和计划抽样所固有的长期误差积累问题。针对水下锥头和水退出半球头两种车辆进行验证，结果表明：OR-GSSM 在准确性和计算效率上均优于 OR-ConvLSTM 和 OR-ConvGRU基线，得益于其物理信息驱动的自适应状态空间单元设计和并行矩阵运算；输出循环机制确保了更稳定的训练、更好的泛化性以及更高的预测精度；OR-GSSM 能准确捕捉气相扩散、气-液混合形成、逆流喷射、气泡脱离以及整个水退出过程，展现出卓越的建模能力；其不确定性量化有效刻画了流场特征和不确定性分布，验证了预测的可靠性。该方法解决了传统计算流体动力学中精度与实时性之间的权衡，推动了排气车辆多相流建模与不确定性量化领域的机器学习方法发展。
引用
@article{arxiv.2508.00588,
title = {Output-recurrent gated state space model for multiphase flows modeling and uncertainty quantification of exhaust vehicles},
author = {Ruilin Chen},
journal= {arXiv preprint arXiv:2508.00588},
year = {2025}
}
备注
arXiv admin note: this submission has been withdrawn by arXiv administrators at the request of the submitting author's institution