水下航行体多响应输运对齐与物理闭合预测方法及系统
本发明涉及船舶与海洋工程、水下航行体水动力学和计算流体力学数值模拟领域,具体涉及一种水下航行体多响应输运对齐与物理闭合预测方法及系统。
背景技术:
1、水下航行体在近自由液面航行时,会同时诱导三类重要的水动力响应:自由液面尾迹场(包括波浪形态与高度变化)、阻力时间历程(包括瞬态峰值与稳态值)以及艇体表面载荷分布(包括压力和壁面剪切应力)。准确获取这三类响应对航行体的性能评估、姿态控制和隐身性能分析均具有重要意义。
2、传统工程评估通常依赖逐工况高保真计算流体力学(computational fluiddynamics, cfd)求解。每改变航速、潜深、构型或姿态等参数,均需重新建模、求解和后处理,单次计算耗时数小时至数天。在宽参数空间优化设计或实时辅助决策等场景下,该方式的计算成本和时间周期难以满足工程需求。
3、为克服上述瓶颈,近年来出现了基于降阶模型和代理模型的快速预测方法。其典型技术路线为:在参数空间内生成若干样本工况并执行cfd计算,对各类响应分别执行本征正交分解(proper orthogonal decomposition, pod)、主成分分析或奇异值分解以实现降维,再利用高斯过程回归或神经网络建立工况参数与模态系数之间的映射关系,最后通过模态叠加重构目标响应。该方法已在部分简单流动问题中取得了一定效果,但现有方案在实际应用中仍存在以下显著不足:
4、其一,物理特征随工况迁移导致降阶失真(可通俗理解为“特征会跑”)。 浅潜深或高航速工况下,尾迹波峰与波谷、艇体表面压力峰值、流动分离线以及阻力极值点均会随航速、潜深等参数的变化而发生明显的空间或时间位置迁移。现有方法直接在固定物理坐标上实施降阶,无法区分“位置迁移”与“形态变化”,将特征移动误当作形状改变进行建模,导致所需模态数量显著增加、局部峰值被抹平、重构精度下降。
5、其二,各类响应独立预测导致跨响应物理不一致(可通俗理解为“各说各话”)。 尾迹场、阻力历程和表面载荷之间由统一的流动状态和物理规律所支配,阻力在物理上应等于艇体表面压力和壁面剪切应力沿湿表面积分的结果。然而,现有方法将各类响应视为相互独立的预测任务,分别建立各自的代理模型。其结果是:同一工况下,由独立预测的表面载荷积分得到的阻力与独立预测的阻力数值不一致,导致工程决策缺乏统一的物理依据。
6、其三,代理模型缺乏物理约束导致预测结果违反基本物理规律。 纯数据驱动的代理模型仅追求统计意义上的拟合精度,其预测均值即便处于置信区间内,仍可能违背表面力积分关系、控制体动量守恒或坐标映射可逆性等基本物理条件。现有方法仅输出预测方差以表征统计不确定性,无法主动识别并消除此类物理不可行性。
7、综上所述,现有水下航行体水动力响应快速预测方法在特征迁移处理、跨响应一致性和物理规律保障方面均存在明显缺陷,亟需一种能够统一处理上述三类问题的新型预测方法。
技术实现思路
1、本发明的目的在于克服现有技术中的不足,提供一种水下航行体多响应输运对齐与物理闭合预测方法及系统,其将物理特征的位置迁移与幅值、形态变化分开表示,使尾迹场、阻力历程和表面载荷通过共享潜变量发生耦合,并将分布载荷积分得到的阻力与阻力响应之间的物理等式直接写入在线预测过程,从而得到特征位置清晰、跨响应一致且满足物理约束的预测结果。
2、为解决上述技术问题,本发明一方面提供了一种水下航行体多响应输运对齐与物理闭合预测方法,包括数据获取与预处理、模型构建与训练和模型应用阶段。
3、一、数据获取与预处理阶段:
4、s1样本生成与计算:确定水下航行体构型、几何尺度和工况参数空间,在参数空间内生成多个样本工况,对各样本工况执行cfd计算;其中,工况参数至少包括航速和潜深,并可扩展至攻角、横倾角、构型参数和海况参数。该步骤为后续降阶建模和代理模型训练提供覆盖参数空间的高保真训练样本,确保模型在宽参数范围内具有足够的预测能力。
5、s2同步提取:从各样本工况的cfd计算结果中,在统一无量纲时间节点或准稳态时间窗口同步提取至少两类异构水动力响应的完整物理场数据,对同一工况下的不同响应赋予相同样本标识和同步时间索引。其中,异构水动力响应包括水面尾迹场、阻力历程和艇体表面载荷,所述水面尾迹场包括水面尾迹高度场或尾迹控制截面速度场、所述阻力历程包括压力阻力或黏性阻力或总阻力历程,所述艇体表面载荷包括艇体表面压力分布或壁面剪切应力分布。
6、该步骤中,通过统一时间轴和同步时间索引,保证不同响应之间的时间对应关系,为后续共享潜变量建模和物理闭合约束建立时间一致性基础,确保来自同一时刻的尾迹、阻力和表面载荷能够在共享潜变量空间中发生正确耦合。
7、s3样本物理标志提取:分别从各类异构水动力响应的完整物理场数据中提取随样本工况移动的样本物理标志,得到水面尾迹场样本物理标志、阻力历程样本物理标志和艇体表面载荷样本物理标志。其中,水面尾迹场样本物理标志包括主波峰脊线、主波谷脊线和中心线恢复点中的至少一种,所述阻力历程样本物理标志包括起始响应点、第一极值点、衰减拐点和准稳态进入点中的至少一种,所述艇体表面载荷样本物理标志包括压力峰值轨迹、零壁面剪切线或分离线以及艏艉特征点中的至少一种。
8、该步骤中,从海量网格数据中筛选出最能表征物理特征空间位置的关键骨架点/线,为后续构造可逆输运映射提供少量但充分的锚定点。通过精确识别这些标志在不同工况下的位置变化,使后续的“位置迁移”与“形态变化”分离成为可能。
9、s4输运对齐及幅值分离:确定参考工况或由多个样本生成参考域,并从中提取参考物理标志;参考工况优选为参数空间中心区域的典型工况,参考物理标志的提取方式与样本物理标志相同。根据各样本的样本物理标志与所述参考物理标志之间的对应关系,构造从参考域到各样本域的可逆输运映射;所述可逆输运映射满足空间可逆性条件和时间单调性条件,以保证映射在空间上不会将网格压扁或翻转、在时间上不会将事件顺序颠倒。式中,为映射的jacobian(雅克比)矩阵,为jacobian(雅克比)的下界阈值,为一正小数;表示时间轴的局部伸缩倍率,为时间单调性下界阈值,为一个正小数。而第个样本在第类响应上的输运映射通过极小化以下目标函数获得,具体表示为式(1):
10、 (1),
11、式中,第一项和分别为参考物理标志和样本物理标志;将参考域标志点通过映射 变形后得到的位置。该项表示将参考标志点按映射移动后,要与真实样本标志点的位置尽可能重合。该项越小,说明映射越能准确地把参考域的骨架“掰”到样本的实际骨架位置上。
12、第二项为映射 的梯度;为刚度正则化系数,控制该项的惩罚强度;为单位矩。在该项中,越接近,说明映射越接近纯平移。该项越小,映射变形越均匀,不会出现局部剧烈拉扯。
13、第三项为光滑正则化项,为映射 的拉普拉斯算子,描述映射的局部弯曲程度; 为正则化系数,控制该项的惩罚强度。该项防止映射在少数标志点附近发生剧烈扭曲,保证整个变形场的连续性。
14、利用上述可逆输运映射将各样本响应拉回到参考域,得到对齐响应和输运参数,并将对齐响应进行幅值与偏置分离,将幅值、偏置和输运参数单独保存。其中,对齐响应按照式(2)实现, (2),
15、式中,为第i个样本、第b类响应在参考域坐标上对齐并标准化的纯形态数据;为参考域坐标;为第i个样本、第b类响应的原始物理场数据;为响应幅值缩放系数; 为偏置量。
16、该步骤中,通过样本物理标志与参考物理标志的匹配,将“物理特征的空间/时间位置迁移”与“响应本身的幅值、形态变化”彻底分离。对齐后的响应在统一参考坐标系下消除了位置漂移,使得后续降阶时不会将位置迁移误当作形态变化,从而减少模态数量、保持局部峰值精度。幅值、偏置和输运参数的单独保存使得后续建模时可以分别预测位置、大小和形状,降低每个子问题的复杂度。
17、s5离散物理闭合算子构造:在统一参考表面网格和同步时间节点上,针对存在物理等式关系的响应之间构造离散物理闭合算子;所述离散物理闭合算子用于将艇体表面压力和壁面剪切应力转换为积分阻力,并计算直接阻力与所述积分阻力之间的闭合残差。
18、具体的,离散物理闭合算子通过在同一参考表面网格上对各表面单元的轴向压力和壁面剪切应力进行离散求和,得到所述积分阻力;所述闭合残差为所述直接阻力与所述积分阻力之差。将艇体表面划分为个微小面元,通过在同一参考表面网格上对各表面单元的轴向压力和壁面剪切应力进行离散求和,得到第个时间节点的积分阻力,如式(3)所示:
19、 (3),
20、式中,为第个统一无量纲时间节点;为第个表面单元在时刻的当地压力值;为远场静压;为当地表压,即相对于远场静压的压差;为第个表面单元外法向量在 方向(来流方向/艇体轴向)的分量;为第个表面单元在时刻的壁面剪切应力在 方向(来流方向/艇体轴向)的分量;为第个表面单元的面积。
21、由式(3)可以计算直接阻力与所述积分阻力之间的闭合残差,如式(4)所示,
22、 (4),
23、式中,为cfd计算中直接输出的总阻力。
24、在统一离散框架下建立“分布载荷→集中力”的物理等式,并将该等式在联合降阶阶段作为物理闭合惩罚项、在在线预测阶段作为约束投影的等式约束。通过预先计算每个样本的闭合残差,使后续的潜变量降阶和代理模型预测能够在物理闭合的框架下进行,从数据源头避免“积分阻力与直接阻力不一致”的物理矛盾。
25、优选的,当所述物理闭合关系还包括由尾迹控制截面的速度和压力确定的控制体动量关系时,将表面载荷积分阻力、控制体动量亏损等效阻力和直接阻力之间的差共同构成多路径闭合约束。
26、二、模型构建与训练阶段:
27、s6联合降阶:对步骤s4中对齐响应进行共享-私有潜变量联合降阶,将样本的整体流动状态编码为多类响应共同使用的共享潜变量,将各类响应各自独有的剩余变化编码为各响应类别对应的私有潜变量,使得同一工况下的多类响应通过共享潜变量发生耦合。
28、各响应类别的对齐响应表示为式(5): (5),
29、式中,为参考域均值;为第类响应的降阶基;为共享潜变量到第类响应的映射矩阵;为多类响应共同使用的共享潜变量;为私有潜变量。所述共享潜变量与所述私有潜变量满足正交条件,保证共享部分与私有部分互不重叠、信息不冗余。
30、该步骤中,通过共享潜变量使三类响应共享同一组低维编码,将“同一流动状态对不同响应的影响”这一物理事实显式建模,避免多个独立代理模型之间的重复学习和参数冗余。同时,通过私有潜变量保留各类响应的独有细节,防止共享过程“平均掉”每类响应的个性化特征。正交约束确保两种信息源干净分离,不互相干扰。
31、s7物理闭合嵌入:根据步骤s5中的离散物理闭合算子在潜空间构造物理闭合约束,所述物理闭合约束要求由表面载荷潜变量重构后经积分算子得到的阻力与直接预测的阻力在数值上相等。具体而言,将步骤s6中的潜变量表示代入步骤s5的离散积分算子,构造潜空间闭合矩阵,使,其中为汇集共享潜变量、私有潜变量、输运参数、幅值参数和闭合残差系数的大向量,为已知边界项。
32、将所述物理闭合约束作为附加目标项写入联合降阶的目标函数中,使降阶过程在追求重构精度的同时兼顾物理一致性。联合降阶的目标函数如式(6)所示,
33、
34、该目标函数由两项构成,第一项为加权重构误差,第二项为物理闭合误差,两项通过进行平衡。为第b类响应的降阶基矩阵,将低维潜变量映射回原始数据空间;为共享潜变量到第b类响应空间的映射矩阵;为第 i个样本的共享潜变量,描述该工况的整体流动状态;为第 i个样本、第b类响应的私有潜变量,描述该类响应独有的剩余变化;为第b类响应的重构误差权重系数;为第 i个样本、第b类响应对齐并标准化后的纯形态数据;为第b类响应在所有训练样本上的均值形态;为物理闭合约束的权重系数。
35、该步骤中,将s5建立的物理等式从物理空间“提升”到潜空间,使降阶过程在压缩数据的同时就带有“物理意识”。传统方法在降阶时不考虑物理约束,导致重构结果在物理上不可行;本步骤通过在降阶目标中嵌入物理闭合惩罚项,使降阶基和潜变量的求解从一开始就在物理可行域内进行,降阶完成时即已满足物理一致性,无需事后修正。
36、s8代理训练:以样本工况参数为输入,以共享潜变量、私有潜变量、输运参数、幅值和偏置为联合输出,训练概率代理模型。优选的,概率代理模型为能够输出联合预测均值和联合协方差的多输出高斯过程、稀疏变分高斯过程、深核多任务高斯过程或带概率输出头的神经网络。
37、该步骤中,采用概率代理模型而非确定性模型,是为了获得预测的不确定度信息,为后续的协方差加权约束投影提供定量依据。联合协方差矩阵完整刻画了潜变量之间的相关性结构,使约束投影能够区分“确定的方向”和“不确定的方向”,实现精确校正。
38、三、模型应用阶段包括:
39、s9约束投影:将待预测工况参数输入所述概率代理模型,得到原始潜变量预测值及联合协方差,根据所述联合协方差将所述原始潜变量预测值投影到满足所述物理闭合约束的可行集合,得到校正潜变量。
40、具体地,所述约束投影问题表述为在满足物理闭合约束的前提下,寻找与原始预测值在协方差加权意义下最接近的点,如式(7)所示,
41、 (7),
42、式中,为待求解的潜变量向量(优化变量),其在可行域内搜索得到的最优解即为;为概率代理模型输出的原始潜变量预测均值(未经校正的点估计);为联合协方差矩阵的逆矩阵;为潜空间闭合矩阵;为已知边界项;为保证映射可逆性的不等式约束。
43、当闭合关系为线性等式时,校正潜变量可直接计算为式(8):
44、 (8),
45、式中,将闭合残差空间的误差反向传播到潜变量空间的增益矩阵,决定每个潜变量应承担多少校正量;为闭合残差空间中协方差矩阵的逆,用于归一化不同物理约束之间的尺度差异;为原始预测值的物理闭合偏差项,表示当前预测值不满足物理闭合等式的程度--偏差越大,所需校正量越大。
46、根据所述联合协方差分配所述原始潜变量预测值的校正量,其中联合协方差较大的方向承担较大的校正量,联合协方差较小的方向承担较小的校正量,使校正后的潜变量在满足所述物理闭合约束的同时最大程度保持所述概率代理模型的原始预测信息。
47、在代理模型预测完成后,通过协方差加权投影将预测值“拉”到物理可行域内。相比于将物理约束作为正则项加入损失函数(软约束),本步骤采用硬约束投影,保证预测结果在预设数值容差内满足物理闭合等式。
48、s10逆重构:根据所述校正潜变量在所述参考域重构对齐响应,并通过s4中所述可逆输运映射的逆映射恢复至物理坐标,得到待预测工况下相互满足所述物理闭合关系的多类异构水动力响应。第类响应的最终重构表示为式(9),
49、 (9),
50、式中,为第 类响应在真实物理坐标 上的最终预测值;为第 类响应的偏置量(s4中保存),用于恢复标准化时减去的基线;为第 类响应的幅值缩放系数(s4中保存),用于恢复标准化时缩去的幅值大小;第 类响应在参考域的均值形态,即所有训练样本对齐后的平均骨架;为第 类响应的降阶基矩阵(s6中训练得到),将低维潜变量展开为完整数据形态;为共享潜变量到第类响应空间的映射矩阵(s6中训练得到);为校正后的共享潜变量(来自s9的约束投影结果),描述待预测工况的整体流动状态;为校正后的第类响应的私有潜变量(来自s9的约束投影结果),描述该类响应的独有细节;为第 类响应可逆输运映射的逆映射(s4中构造),将物理坐标映射回参考域坐标ξ。
51、该步骤中,将校正后的潜变量逐层还原为物理可理解的响应数据。该过程是s4输运对齐及幅值分离的完全逆过程--将拆开的三组信息(位置、大小、形状)重新组装成完整的物理响应,同时保证s9的约束投影所赋予的物理一致性在最终输出中得以保留。
52、优选的,还包括模型可靠性验证步骤,以概率代理模型的预测协方差、潜变量投影距离、物理闭合残差和可逆输运映射的最小jacobian(雅克比)构造可靠性指标,当所述可靠性指标超过阈值时,判定当前概率代理模型可靠性不足,将待预测工况加入补充高保真仿真样本集合并更新所述概率代理模型。
53、本发明另一方面还公开了一种水下航行体多响应输运对齐与物理闭合预测系统,其利用上述预测方法,包括:
54、同步响应获取模块,用于获取多个样本工况下同步的至少两类异构水动力响应;
55、物理标志与输运对齐模块,用于针对每类异构水动力响应提取随样本工况移动的物理标志,并根据所述物理标志与参考物理标志之间的对应关系构造可逆输运映射,将各样本响应拉回参考域并进行幅值与偏置分离;
56、物理闭合算子模块,用于构造存在物理等式关系的响应之间的离散物理闭合算子;
57、共享-私有潜变量联合降阶模块,用于对所述对齐响应进行联合降阶,分解为共享潜变量和各响应类别对应的私有潜变量,并根据所述离散物理闭合算子在潜空间构造物理闭合约束;
58、联合代理预测模块,用于以样本工况参数为输入、以所述共享潜变量、私有潜变量、输运参数、幅值和偏置为联合输出训练概率代理模型;
59、约束投影模块,用于根据待预测工况的原始潜变量预测值及其联合协方差,将所述原始潜变量预测值投影到满足所述物理闭合约束的可行集合;
60、逆输运重构模块,用于在参考域重构对齐响应,并通过所述可逆输运映射的逆映射恢复至物理坐标,得到待预测工况下相互满足所述物理闭合关系的多类异构水动力响应。
61、本发明的有益效果在于:
62、1、有效解决物理特征迁移导致的降阶失真问题。本发明通过在降阶前引入物理标志驱动的可逆输运对齐,将物理特征的空间/时间位置迁移与响应本身的幅值、形态变化分离。对齐后的响应在统一参考坐标系下消除了位置漂移,使得后续降阶时不会将波峰移动、压力峰移动等位置变化误当作形态变化,从而减少了所需模态数量,保持了局部高梯度结构的精度。相比传统固定坐标pod方法,在浅潜深、高航速等特征迁移显著的工况下,重构精度和物理标志位置精度均有显著提升。
63、2、实现跨响应的物理一致性。本发明通过共享-私有潜变量联合降阶,使同一流动状态在尾迹场、阻力历程和表面载荷中的共同变化由同一低维变量表达,避免了多个独立代理模型之间的重复参数和预测结果相互矛盾。同时,通过离散物理闭合算子在潜空间构造硬约束,并在在线预测阶段通过协方差加权投影将预测值校正到物理可行域内,保证最终输出的阻力与表面载荷积分阻力在预设容差内相等,从根本上解决了“各说各话”的物理不一致问题。
64、3、兼顾物理可行性与数据保真度。本发明采用协方差加权约束投影,利用概率代理模型提供的预测不确定度信息,对物理闭合偏差进行分配式校正--不确定度大的方向承担较大的校正量,不确定度小的方向承担较小的校正量。相比直接最小二乘投影或仅作为损失函数正则项的软约束方式,本发明的投影结果既满足物理闭合约束,又最大程度保留了代理模型从高保真数据中学到的规律,实现了物理可行性与数据保真度的最优平衡。
65、4、具备自适应进化能力。本发明通过构造综合考虑预测协方差、潜变量投影距离、物理闭合残差和输运映射最小jacobian(雅克比)的可靠性指标,能够准确区分统计外推风险和物理不可行风险。当可靠性不足时自动触发补充cfd采样和模型更新机制,使系统在使用过程中持续进化,长期预测精度不断提高。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com