-
生物通官微
陪你抓住生命科技
跳动的脉搏
生物通官微
陪你抓住生命科技
跳动的脉搏
用于涡激振动预测建模的强耦合流固相互作用网络
《Journal of Fluid Mechanics》：A strongly coupled fluid–structure interaction network for predictive modelling of vortex-induced vibrations
【字体： 大 中 小 】 时间：2026年07月16日 来源：Journal of Fluid Mechanics 4.2
编辑推荐：
摘要 流固耦合问题由于涉及流体和结构动力学的复杂多尺度非线性特性，给计算带来了巨大挑战。本研究提出了一种新型强耦合流固耦合模型，用于高效准确地预测此类问题。该框架将物理约束的卷积神经网络自编码器与强耦合预测模块相结合，后者包含分别负责流体和结构动力学预测的模块，二者能够同时
流固耦合问题由于涉及流体和结构动力学的复杂多尺度非线性特性，给计算带来了巨大挑战。本研究提出了一种新型强耦合流固耦合模型，用于高效准确地预测此类问题。该框架将物理约束的卷积神经网络自编码器与强耦合预测模块相结合，后者包含分别负责流体和结构动力学预测的模块，二者能够同时互动地进行递归预测。首先，物理约束的CAE学习高维流体场时空动力学的低维非线性模态表示。随后，强耦合模块中的流体预测模块利用这些模态以及通过将运动方程嵌入结构预测模块中得到的结构状态，高效预测未来状态的流体场。通过在每个时间步中整合流体模态和结构状态，该强耦合流固耦合框架能够不断修正CAE和流体预测模块的学习映射，从而高效准确地同步预测未来状态的流固耦合动力学。所开发的SC-CAE-NNM流固耦合框架被应用于圆柱体涡激振动这一经典问题，分析了层流和高
$ \textit{Re}$流体的情况。研究结果表明，与结构状态相关的流体模态在预测流体场和结构响应方面具有更高精度，这说明强耦合方案能够有效捕捉流体的动态特性及强烈的非线性相互作用。此外，该框架还能准确重建高
