基于稀疏回归与神经算子的近壁球体降阶流体力学建模
流体动力学
2026-02-18 v2
摘要
本工作提出了一种可解释的参数化代理模型，其动机在于需要识别一个用于实时解析物体轨迹的流体力学模型。该代理模型被表述为一个降阶模型，用于一个标准构型：一个单自由度垂荡球体在垂直壁面附近运动。高精度CFD仿真用于生成涵盖不同壁面距离（WD）和下落高度（DH）的垂荡衰减响应的参数化数据集。随后，对每个CFD轨迹应用非线性动力学稀疏识别（SINDy），以识别一个低阶非线性常微分方程（ODE），其中多项式项表示有效的静水恢复力和辐射阻尼，谐波项表示波浪诱导的激励力。SINDy识别出的系数随后被用作神经算子网络（ONet）中的先验约束，该网络学习从壁面距离和下落高度到ODE系数的平滑映射，从而生成一个代理模型，能够在输入空间的任意点预测动力学，而无需重新运行昂贵的CFD计算。所得代理模型在给定限制假设的条件下，以接近最优的精度复现了CFD垂荡衰减响应，同时具备实时运行的能力。该方法为发射与回收操作的实时物理信息代理建模提供了实用路径。
引用
@article{arxiv.2512.11895,
title = {Reduced-Order Hydrodynamic Modelling of a Sphere Near a Wall Using Sparse Regression and Neural Operators},
author = {Zev Hoffman and Sara Vahaji and Arpan Das and Micheal Candon and Daniel Sgarioto and Jayarathne Nirman and Pier Marzocca},
journal= {arXiv preprint arXiv:2512.11895},
year = {2026}
}