基于粘合坐标的 U-Net 快速预测桥墩三维冲刷流动
流体动力学
2026-01-13 v1
摘要
预测桥墩周围的三维（3D）湍流流动是评估局部冲刷的关键前提，而局部冲刷是基础设施失效的主要原因之一。虽然计算流体动力学（CFD）能够捕捉复杂流动特征（如鞍形涡 vortices），但其高计算成本限制了实时风险评估。本研究提出了一种基于粘合坐标（Body-Fitted Coordinate, BFC）系统的物理感知深度学习替代模型，BFC-UNet 旨在快速重建曲线域上的 3D 雷诺平均Navier-Stokes（RANS）解。与基于体素的卷积神经网络（CNN）易产生阶梯误差不同，所提架构利用 BFC 系统准确预测床面剪切应力。通过将物理 O 网格转化为标准计算空间，该模型保留了无滑移边界的几何完整性。在由入口速度和冲刷深度参数化的 2304 组仿真数据训练后，BFC-UNet 能以 R2 值超过 0.98 的精度预测速度、压力和床面剪切应力分布。在单块 GPU 上仅用 8 毫秒即可推断完整 3D 域（20 万网格），相较 CFD 求解器提升了五个数量级。关键在于，该模型捕捉到涡结构的拓扑演化，包括涡流展开和潜流。上述结果将 BFC-UNet 定位为实时数字孪生体的有前景的基础，桥接严谨流体力学与数据驱动效率。
引用
@article{arxiv.2601.06506,
title = {Rapid Prediction of Three-Dimensional Scour Flow around Bridge Piers via Body-Fitted Coordinate-Based U-Net},
author = {Tokio Morimoto},
journal= {arXiv preprint arXiv:2601.06506},
year = {2026}
}