面向特定目标的数字双胞胎：基于流图学习及其在流体动力学中的应用
机器学习
2025-10-10 v1 数值分析
数值分析
流体动力学
摘要
我们提出了一种用于构建面向特定目标的数字双胞胎（tDT）的数值框架，直接建模数字双胞胎（DT）中感兴趣量（QoIs）的动力学。该方法采用基于记忆的流图学习（FML）技术，通过重复执行完整DT系统生成的短时轨迹数据，构建对QoIs的数据驱动模型。此后，tDT的构建过程完全以离线计算方式完成。在在线仿真期间，所学习的tDT能够高效预测和分析QoIs的长期动力学，无需对完整DT系统进行仿真，从而实现显著的计算资源节省。在介绍通用数值程序后，我们以二维不可压缩流经圆柱体的计算流体动力学（CFD）示例演示了tDT的构建及其预测能力。该问题的QoIs为圆柱体所受的水动力力。最终得到的tDT为紧凑型动力系统，能够在不显式了解底层流场信息的情况下演化这些力。数值结果表明，tDT能够准确预测力的长期行为，完全绕过完整的流场仿真。
引用
@article{arxiv.2510.07549,
title = {Targeted Digital Twin via Flow Map Learning and Its Application to Fluid Dynamics},
author = {Qifan Chen and Zhongshu Xu and Jinjin Zhang and Dongbin Xiu},
journal= {arXiv preprint arXiv:2510.07549},
year = {2025}
}