CN-Waves：基于高阶谱（HOS）方法的非线性海况建模与生成开源Python软件包

《Computer Physics Communications》：CN-Waves: An open-source Python package for modeling and generating nonlinear sea states using the high-order spectral method

　　

CN-Waves 的目标是简化并自动化数值波浪水池（numerical wave tanks, NWTs）和开放域（open domains）中真实水波场的生成与建模。波浪建模采用基于完全非线性势流（fully nonlinear potential flow, FNPF）理论的高阶谱（High-Order Spectral, HOS）代码 HOS-Ocean 与 HOS-NWT。CN-Waves 将 HOS 命令行可执行文件打包，并提供 Python 软件包以执行 HOS 模拟。该 Python 方法具有默认数值参数，使仅具备基本波浪理论知识的用户能够建模和生成水波，同时允许更高级用户控制不同参数。已实现多种可视化功能。该软件包旨在促进大量模拟的启动与分析。此外，该 Python 软件包针对波浪水池配置实现了几种波浪生成方法。这些方法包括成熟方法，例如二阶波浪生成（second-order wave generation）或考虑斜向波（oblique waves）生成过程中的侧壁反射（side-walls reflection）。其他近期开发的方法，包括时间反转法（time reversal method）、用于校准海况（sea state）的迭代方法，以及响应条件波浪（response-conditioned waves）的生成，也在 CN-Waves 中提供。

研究背景与问题：在流体-结构相互作用研究中，需表征波浪并确保其与目标海况一致；数值研究常以非线性势流码提供有限计算域边界的真实波运动学，并要求计入高阶非线性项，波谱和极端事件发生等统计性质应代表目标海况；实验研究需准确复现海上测量或设计波得到的自由面高程，迭代程序耗时并增加水池使用成本。数值波浪水池（Numerical Wave Tank, NWT）可预先准备波浪、执行迭代、获取实验中未测的空间性质与流速，并初始化计算流体力学（Computational Fluid Dynamics, CFD）模拟；与 CFD 相比更省时且长距离传播无数值耗散。问题在于：完全非线性势流（FNPF）求解器未系统用于实验研究，学习曲线和设置时间高；与黏性求解器耦合困难；实验造波方法如二阶造波机理论或考虑侧壁反射的方向造波理论在 NWT 中不总是可用；短峰海况计算时间可能过高，破碎能耗散仍是研究主题；多次 NWT 模拟需自动化启动、分析和下一迭代输入确定。因此，研究人员报告开源 CN-Waves，以简化和系统化 HOS-NWT、HOS-Ocean 及多种波浪生成方法在波浪-结构相互作用中的使用。

研究人员开展的研究与意义：CN-Waves 由两个 FNPF 求解器、Python 包 cnwaves 和多种波浪生成方法组成；默认参数使基本用户可运行，专家可控制参数；提供可视化、教程、测试套件和连续集成；可作数字孪生复现实验波场。其结论是使安装使用更容易，默认参数可快速建立 HOS 配置，工具可处理 HOS 模拟数据，并实现需多次 HOS 模拟的波浪生成方法；重要意义在于降低使用门槛、自动化大量模拟，并支持实验、CFD 初始化与波场分析。

关键技术方法（不超过250字）：研究人员基于 HOS-Ocean 与 HOS-NWT Fortran 命令行程序开发 Python 包 cnwaves，封装 HOS 可执行文件，提供默认数值参数、可视化、在线教程、测试套件与持续集成；借助 Snoopy 海洋应用开源库管理 Wif（频域自由面高程对象）、SeaState 等对象；HosOcean/HosNwt 类设置并启动模拟，WavemakerMotion 定义造波机运动，Run/WaveSeries 存储与分析结果；实现二阶造波、Dalrymple 斜向波、时间反转（Time Reversal, TR）、迭代谱校准、响应条件波浪（Response-Conditioned Waves, RCW）及代理模型。无样本队列；算例参照 Centrale Nantes 海洋水池/拖曳水池及 Draupner 波测量。

研究结果：
4.1 将 HOS-NWT 用作实验活动的数字孪生：以 Centrale Nantes 海洋水池短峰不规则海况实验的造波机运动为输入，HOS-NWT 复现实验自由面，前 40 s 的均方根（Root Mean Square, RMS）误差为 0.5 cm；表明 HOS-NWT 可作数字孪生。
4.2 使用 HOS-Ocean 生成波浪：以 JONSWAP 谱定义不规则海况并启动 HOS-Ocean，得到 t=20 s 自由面；表明 Python 接口可用默认参数生成不规则海况。
4.3 使用 Dalrymple 方法生成斜向波：在目标位置 x_tar=20 m 生成斜向规则波，考虑侧壁反射后可在该处全宽获得目标波，不采用时受反射影响；表明该方法可扩大无扰动区域，但当前不提供斜向波二阶造波。
5.1 使用时间反转法复现波面时程：TR 为两步程序，先反向传播目标信号，再将测量信号反向并再传播，使信号在 x_tar 聚焦；适用于非破碎单向海况，精度随距离增加而下降，超过八倍峰波长时降低。
5.1.1 时间反转法原理：通过时间反转与再传播实现目标信号聚焦；需处理束缚波和虚假自由波，方向性扩展仍困难；表明 TR 受单向假设和束缚波处理限制。
5.1.2 极端波复现：将 Draupner 波按 1/40 Froude 相似缩放，在长度 35 m、吸收海滩为两个峰波长的 NWT 中复现，重建与目标信号 RMS 误差 1.5 cm；二阶程序未显著改善；表明 TR 能以较好精度复现极端波。
5.2 不规则海况校准：非线性相互作用和破碎改变谱形与极端波发生频率，需迭代校准；CN-Waves 实现谱校准和统计校准；表明需迭代修正造波输入以获得目标谱和真实极端事件频率。
5.2.1 波谱迭代校准程序：在 x_spec 以 N_real 个随机相位实现估计谱并修正下一次造波幅值；默认 E_tar=0.05，推荐 2500 波（N_real 2–5），物理水池常取 E_tar=0.10；表明迭代可使测量谱逼近目标谱。
5.2.2 使极端波统计更接近造波机的方法：先在 x_spec 校准，再将 x_spec?x_tar 处自由面转为造波机信号，使 x_tar 复现 x_spec 海况；表明可将远处校准海况移至近造波机处。
5.2.3 应用：对全尺度 H_s=0.1 m、T_p=1.6 s、γ=5 的 JONSWAP 谱，在 x_spec=80 m 校准，第五次迭代收敛，共 60 次 HOS 计算；表明迭代谱校准可收敛，计算量随距离和谱形变化。
5.2.4 应用：将 x_spec=80 m 校准海况移至 x_tar=30 m，记录 x_spec?x_tar=50 m 信号并转为造波机运动；两谱相似但波峰高度超越概率（probability of exceedance, PoE）不同，远处校准再移位使极端波高度增加；表明校准位置影响极端统计。
5.3 响应条件波浪生成：HOS-RCW 为多保真方法，基于 HOS-NWT、代理响应模型和高保真工具；以 Monte Carlo HOS-NWT 估计响应分布，选择 PoE 水平对应响应 χ_tar，确定最可能诱发该响应的波事件；最后高保真步骤未实现，当前限于单向波。
5.3.1 结构响应：用 HOS-NWT 得到结构位置非线性波事件，代理模型以响应幅值算子（Response Amplitude Operator, RAO）和可选二次传递函数（Quadratic Transfer Function, QTF）近似响应；目标响应也可为给定点给定时刻自由面；表明 SpectralSurrogate 可基于 RAO/QTF 计算响应。
5.3.2 响应条件程序：将造波机运动写为标准正态变量，以极限状态函数和最小范数搜索最可能波事件，采用 MHLGA（Modified Hasofer–Lind with Goldstein–Armijo）算法；表明可优化得到最可能诱发目标响应的造波机运动。
5.3.3 船舶模型垂向弯矩响应条件波浪生成：对 SS6 海况（H_s=6 m、T_p=12.25 s、γ=1，比例 1/65）和 PoE=10^?1 的垂向弯矩，优化两次迭代收敛，共 316 次 HOS 调用；最陡案例需 16 次迭代和 2577 次 HOS 调用；表明 RCW 可得到使代理模型响应达到目标值的波事件，计算量要求谨慎选择 HOS 配置和频率数。

讨论与结论翻译：讨论部分总结指出，CN-Waves 简化 HOS-NWT 与 HOS-Ocean 非线性求解器的安装和使用，提供默认数值参数以快速建立 HOS 配置，并提供处理 HOS 模拟数据的工具；还实现需要多次 HOS 模拟的波浪生成方法。未来将集成 Grid2Grid 以促进 HOS 求解器与 CFD 工具的耦合及初始化，可能集成 CN-Stream 流函数求解器；RCW 是快速发展的主题，预计将实现多个代理模型以研究不同类型响应；研究人员计划将若干成熟的波浪-结构相互作用方法纳入 CN-Waves，使其他研究组和工业伙伴可用。研究结论翻译：CN-Waves 使 HOS-NWT 与 HOS-Ocean 非线性求解器能够在 Python 环境中使用。它使这些求解器更易于安装和使用。得益于 wheel 文件的使用，安装过程直接。提供默认数值参数以快速建立 HOS 配置，并提供多种工具处理 HOS 模拟数据。此外，实现了需要多次 HOS 模拟的波浪生成方法。TR 方法可用于在给定位置复现目标自由面高程信号。可生成 RCW 以确定某些事件的发生概率。获得的波浪事件定义高保真模型的输入，该高保真模型可为实验或数值高保真模拟。校准程序可用于确保给定位置的波谱与目标谱一致，并使极端事件的发生频率具有真实性。