《Engineering Applications of Artificial Intelligence》：A regional-information-fusion-based data augmentation method for hydrodynamic analysis of underwater gliders
编辑推荐：
水下滑翔机流体动力学特性分析中，提出四阶段数据驱动方法以降低计算成本并提升数据利用率，通过区域特征信息融合与数据增强策略实现数据集规模扩大，并验证其在形态优化中的应用有效性。
谭丽杰|吴宏宇|雷蕾|蔡金虎|谭志铎|严少泽|杨云强
中国地质大学（北京）工程技术学院，北京，100083，中国
摘要
水下滑翔机（UGs）以其低能耗而闻名，需要出色的流线型设计（HSs）来提升性能。然而，HS设计严重依赖于耗时的计算流体动力学（CFD）模拟，这限制了大规模数据集的获取。此外，现有研究缺乏对现有数据集的深入探索和扩展，导致数据利用率低下。这些限制严重阻碍了滑翔机技术的进步。因此，本文提出了一种区域特征信息融合方法（RFIFM），该方法从全配置CFD模拟中提取并存储区域流线型特征，确保区域信息在集成物理环境中可重复使用。然后，提出了一种区域信息融合数据增强方法（RIFDA）和相应的层次化实验设计方法，将现有数据集扩展到至少原来的两倍规模，实现数据可重复使用，同时生成物理一致的流线型数据样本。随后，使用机器学习方法对增强后的数据集进行训练，以实现流线型特征的高效预测。整个过程形成了一个四阶段的数据驱动方法，包括数据采样、获取、增强和建模。最后，通过解决变形滑翔机的形状优化问题来验证所提出的方法。本文可能为UGs的创新设计提供一定的理论指导。
引言
海洋是地球生态系统的核心组成部分，在人类活动中发挥着重要作用。随着科学技术的发展，人类对海洋奥秘的探索不断深入，为利用海洋资源和保护海洋环境提供了有力支持。因此，先进的水下探测设备的发展具有重要的应用前景和意义。自1989年美国海洋学家Stommel首次提出水下滑翔机的概念设计（Stommel, 1989）以来，它引起了全球学者的关注。水下滑翔机不需要外部推进系统，具有许多优势，如低噪音和强大的航行耐力。目前，已经成功开发了多种类型的水下滑翔机，并进行了海试，例如Slocum（Webb等人，2001年）、Seaglider（Eriksen等人，2001年）、Spray（Sherman等人，2001年）、Petrel（Wang等人，2011年）、Sea-wing（Yu等人，2011年）和Sea Explorer（Field等人，2015年）。近年来，水下滑翔机已成功应用于长期海洋观测任务，包括海洋生态系统探索（Benoit-Bird等人，2018年）、生物地球化学分析（Russell-Cargill等人，2018年；Wright-Fairbanks等人，2020年）和中尺度涡流观测（Guo等人，2024年）。
动态建模是研究水下滑翔机性能的基础。特别是，流线型方程是动态模型的核心组成部分，流线型特征分析是滑翔机开发过程中的关键步骤。分析流线型特征的常用方法包括实验方法（Williams等人，2008年）、计算流体动力学（CFD）（Zhang等人，2013年）、解析方法（Zhao等人，2016年）以及解析和半经验估计（ASE）方法（Ahmed等人，2023年，2025年；Cardenas和de Barros，2019年）。实验方法提供了高解析精度，但实施起来具有挑战性且成本高昂。解析方法效率较高，但建模复杂且计算精度较低。ASE的主要目标是减少模型参数的数量或简化流线型模型。在ASE中，分别估计各个组件（如机体和机翼）的流线型系数，然后组合起来构建整体流线型模型。由于CFD在解析精度和成本之间取得了平衡，因此被广泛用于流线型特征分析。基于CFD模拟结果，Singh等人（2017年）研究了滑翔机的动态特性，并探讨了可变浮力对滑翔角度、速度和攻角的影响。Fu等人（2018年）提出了一种基于非支配排序遗传算法II（NSGA-II）的滑翔机多目标形状优化方法，旨在降低能耗并增加航行范围。Wang等人（2018年）使用CFD、自由形态变形方法和替代优化算法优化了滑翔机的机翼形状，成功提高了机翼的升阻比。随后，Li等人（2021年）优化了船体和机翼的形状，以降低一个运动周期内的平均阻力，优化结果表明机翼主要影响升力，而船体主要影响阻力。Yang等人（2021b）基于替代模型技术对影响滑翔机流线型特征的形状参数进行了敏感性分析，然后使用CFD优化了船体形状和机翼尺寸，降低了阻力系数并提高了航行范围。Wang等人（2021年）提出了一种基于CFD、协同优化方法和替代模型技术的多学科优化设计框架，以优化显著影响滑翔机航行范围的设计参数，从而提高了其整体耐力。Lei等人（2022年）提出了一种基于差分进化算法的水下滑翔机流线型参数识别方法，并使用拖曳水池测试和CFD模拟结果验证了其有效性。同样，基于CFD模拟，?erifo?lu和Tutak（2022年）研究了滑翔机船体产生的阻力与其内部体积之间的关系。最后，Kurec等人（2024年）研究了动态旋转运动下水下滑翔机的流线型特性。上述研究通过CFD和动态分析获得了相对准确的水下滑翔机运动特性，进一步提升了滑翔机的性能并促进了其发展。然而，应用的探索场景和操作要求推动了滑翔机设计的优化和升级，这需要针对每种新配置进行CFD模拟。由于CFD的底层理论复杂，需要大量迭代计算以确保收敛，新的设计方案涉及长时间的研究和较高的计算成本，这严重阻碍了设计效率。此外，现有的CFD模拟数据集通常仅限于特定的设计参数或操作条件。这一限制阻碍了它们在新场景中的有效重用，导致数据利用率低下。
为了解决上述挑战，本文进行了深入研究，旨在提高滑翔机流线型特征分析的计算效率，并通过与动态模拟的结合进一步提高性能预测的准确性，从而提高滑翔机的设计质量。
本文的创新贡献总结如下：
- 1.
针对粘性流线型特征分析，提出了一种区域特征信息融合方法（RFIFM），使得区域流线型数据在全配置滑翔机的物理环境中可重复使用。
- 2.
在此基础上，提出了一种在攻角范围α∈[?5°, 5°]内的区域信息融合数据增强方法（RIFDA），旨在在CFD样本有限的情况下扩展流线型数据集并提高CFD模拟数据的可重复使用性。
- 3.
通过将层次化实验设计与RIFDA相结合，数据集有效扩展到至少原来的两倍大小。在此基础上，建立了一个高效的滑翔机流线型特征数据驱动模型，形成了面向工程优化和设计的数据框架。
最后，通过解决变形水下滑翔机的形状优化问题来验证所提出方法的有效性。结果证实，所提出的方法可以有效提高数据驱动模型的准确性，用于预测数据稀缺场景下配置参数与流线型特征之间的关系。
本文的其余部分组织如下。第2节简要介绍了滑翔机流线型特征分析、数据驱动方法和数据增强技术的相关工作。第3节描述了所提出的方法，为数据稀缺场景下的数据驱动预测建模提供了新的视角。第4节通过数值示例验证了所提出方法的有效性。最后，第5节得出了本文的主要结论。
章节片段
流线型力分析模型
在现有工作中，作用在水下滑翔机上的流线型力通常分为惯性流线型力和粘性流线型力。具体来说，惯性流线型力由滑翔机机体形状、水密度以及滑翔机机体相对于流体运动的加速度和角加速度决定。同时，粘性流线型力由滑翔机机体形状、水密度、速度和角速度决定
整体框架
考虑到现有研究的不足，本文旨在提高水下滑翔机的性能优化效率。提出了四阶段数据驱动方法，如图2所示，其整体框架包括四个组成部分：数据样本建模、数据获取、数据增强和数据模型建立。特别是，RFIFM和RIFDA被视为该方法的核心。
在确定滑翔机形状配置参数后，进行样本采集
实验设置
在本文中，Lglider 设定为2281毫米，所有CFD模拟参数配置如下：与参考文献（Tan等人，2024年）一致，使用ANSYS Workbench 2022 R1生成非结构化网格。具体来说，滑翔机机体网格大小设置为2毫米，计算域网格大小设置为200毫米。为了确保计算精度，建立了边界层网格以捕捉滑翔机表面附近的速度梯度，第一层网格高度为
讨论
尽管所提出的RIFDA在数据稀缺条件下展示了良好的工程适用性和预测性能，但其局限性可以总结如下。
(1)所提出的方法主要针对小攻角（α ∈ [?5°, 5°]下的水下滑翔机操作设计，在此范围内，流线型行为可以使用线性化模型合理近似。然而，在大攻角或强非稳态流动条件下，各参数之间的非线性耦合效应
结论
水下滑翔机的CFD模拟受到长时间计算和有限样本大小的阻碍。此外，现有数据集受到特定设计参数或操作条件的限制，导致数据利用率低下。为了解决这些问题，本文提出了一种四阶段数据驱动方法，以提高水下滑翔机性能分析和优化的效率。本文的主要贡献和结论总结如下：
(1)对于粘性
CRediT作者贡献声明
谭丽杰：撰写——原始草稿，验证，调查。吴宏宇：撰写——审阅与编辑，方法论，资金获取。雷蕾：调查。蔡金虎：软件。谭志铎：软件。严少泽：监督，资金获取。杨云强：监督。
致谢
本工作得到了国家自然科学基金（项目编号：12172188 和 52305263）、北京市自然科学基金（项目编号：3242007）、中央高校基本科研业务费（项目编号：FRF-TP-25-014）以及国家机器人及智能系统重点实验室（项目编号：2025-O17）和北京高精尖计划青年优秀科学家资助计划（项目编号：20250799）的支持。
作者还感谢
