Implementation of Immersed Boundaries via Volume Penalization in the Industrial Aeronautical Computational Fluid Dynamics Solver CODA
本研究在工业航空CFD求解器CODA中实现浸入边界体积惩罚法，开发自适应网格预处理工具，通过多类翼型及飞机算例验证，证明其高效准确，可用于工业航空应用。
2025-01-07 physics.flu-dyn
Loop2Net: Data-Driven Generation and Optimization of Airfoil CFD Meshes from Sparse Boundary Coordinates
本文提出Loop2Net，利用深度卷积神经网络从稀疏翼型边界坐标直接生成并优化CFD计算网格，通过双损失函数与惩罚约束提升网格质量。
2025-06-28 cs.LG physics.flu-dyn
Comparing design and off-design aerodynamic performance of a natural laminar airfoil
本文通过数值模拟对比SHM1自然层流翼型在亚声速与跨声速设计及非设计工况下的气动性能，分析激波、分离和载荷分布，为分离与激波控制优化提供基准。
2024-11-19 physics.flu-dyn
Airfoil2Vec: Spectral Geometry-Conditioned Neural Surrogate Models for Airfoil Aerodynamics and a Downforce-Generating CFD Dataset
Ratio Labs（雷迪奥实验室）
本文提出Airfoil2Vec，一种结合谱几何编码的神经代理模型，用于快速预测翼型流场，并在新数据集上验证了其高效性与泛化能力。
2026-10-01 cs.LG physics.flu-dyn
Physics-Informed Neural Networks for Transonic Flows around an Airfoil
针对翼型跨音速绕流因激波局部不连续难以用物理信息神经网络准确求解的问题，提出局部引入人工耗散稳定激波的方法，比较不同粘性变体并验证其有效性，展示了参数化问题适用性，拓展了求解器应用场景。
2025-04-15 physics.flu-dyn
A Geometry-Adaptive Mesh Refinement Framework for Immersed Boundary Methods on Hybrid Unstructured Meshes
School of Aeronautics, Universidad Politécnica de Madrid（马德里理工大学航空学院）；Center for Computational Simulation, Universidad Politécnica de Madrid（马德里理工大学计算模拟中心）
本研究开发了一种用于混合非结构网格的新型预处理工具，可对浸入几何周围的网格加密，通过圆柱、NACA0012翼型及多段翼型的流动模拟验证，结果与实验数据吻合良好，实现了准确高效的流动模拟。
2026-11-03 physics.flu-dyn
Fast sparse flow field prediction around airfoils via multi-head perceptron based deep learning architecture
传统的计算流体动力学方法为了获得流场信息，需要在带边界条件的网格上求解纳维-斯托克斯方程，这是一项耗时的工作。本文采用一种基于卷积神经网络和多头感知器的数据驱动方法，对绕翼型的不可压层流定常稀疏流场进行了预测。首先，我们使用卷积神经网络从输入的灰度图像中提取翼型的几何参数。其次，提取的几何参数与雷诺数，迎角和流场坐标一起被用作多层感知器和多头感知器的输入。所提出的多头神经网络结构可以在几秒钟内预测翼型的气动系数。此外，实验结果表明，对于稀疏流场，多头感知器可以取得更好的预测结果比多层感知器。
2022-07-03 physics.flu-dyn
Large-eddy simulations of the flow around a NACA0012 airfoil at different angles of attack
本文采用壁面分辨大涡模拟方法研究了不同攻角下NACA 0012翼型绕流的流动特性。该剖面的弦长为c=0.1 m，并暴露于雷诺数Re= 100，000的气流中。背景是在下一步中应考虑耦合问题，处理颤振问题。利用ANSYS ICEM CFD软件生成网格，然后使用内部软件FASTEST-3D进行模拟。这是基于有限体积法和三个子步骤的预测-校正计划的空间和时间离散，分别。湍流模型采用大涡模拟技术，亚网格尺度采用Smagorinsky模型。基于速度的空间和时间平均结果、空间和时间平均流线、瞬时速度、空间和时间平均雷诺应力以及气动力系数，对与无量纲壁距有关的网格进行了分析。选择计算时间要求较低的网格，可以正确地近似测试用例的解决方案。在不久的将来，这些将被应用于研究流体-结构相互作用，特别是在湍流中NACA 0012型面的颤振现象。
2018-07-04 physics.flu-dyn
Subsonic turbulence in smoothed particle hydrodynamics and moving-mesh simulations
高度超音速、可压缩的湍流被认为对星际介质中的恒星形成过程同样重要。同样，宇宙结构的形成预计会引起星系际介质中的亚音速湍流，这可能会大大改变维里化暗物质晕中气体的热力学结构，并影响气体中的小尺度混合过程。数值模拟在描述天体物理学湍流特性方面发挥了关键作用，但到目前为止，系统的代码比较仅限于超音速区域，因此不清楚亚音速湍流是否能用天体物理学中常用的数值技术忠实地表示。在这里，我们专注于比较光滑粒子流体动力学（SPH）和我们的新的移动网格技术AREPO在驱动亚音速湍流模拟的准确性。为了与以前的结果联系，我们还分析了跨音速和高超音速湍流的模拟。我们发现，广泛采用的标准制定SPH产生问题的结果在亚音速区。而不是建立一个Kolmogorov样的湍流级联，大规模的涡迅速阻尼接近驱动规模和衰减成小规模的速度噪声。降低粘度的设置改善了这种情况，但耗散范围的形状与Kolmogorov叶栅的预期不同。相比之下，我们的移动网格技术不产生幂律标度律的速度，涡度和密度的功率谱，与充分发展的各向同性湍流的预期一致。我们表明，SPH的梯度估计和相关的亚音速速度噪声的大误差是最终负责产生不准确的结果，在亚音速制度。相比之下，SPH的性能更好的超音速湍流。[摘要]
2012-04-04 astro-ph.CO astro-ph.IM physics.flu-dyn
Active Flow Control for Drag Reduction of a Plunging Airfoil under Deep Dynamic Stall
本文采用高保真度数值模拟方法研究了主动流动控制技术对SD7003翼型深动态失速的抑制作用。流动雷诺数为$Re=60{,}000$，自由飞行马赫数为$M=0.1$。数值模拟进行了有限差分求解器，采用高阶紧凑的差分格式，插值和过滤交错网格。网格收敛进行了研究，结果表明，良好的协议与现有数据的气动系数。不同的展向布置的致动器来模拟在翼型前缘的吹气和吸气。我们观察到，对于一个特定的频率范围内的驱动，平均阻力和阻力波动大幅减少，而平均升力保持几乎不受影响，特别是对于一个二维致动器设置。在此频率范围内，2D气流驱动破坏了动态失速涡流的形成，由于沿翼型吸力面朝向后缘区域的压力增加，导致阻力减小。同时，在靠近前缘的吸力面上的压力减小，从而增加升力并进一步减小阻力。
2019-07-11 physics.flu-dyn
Predicting airfoil pressure distribution using boundary graph neural networks
本研究提出仅在表面网格运行的边界图神经网络B-GNNs，结合局部物理输入特征预测二维翼型压力分布，在缩减模型与训练集规模的同时提升了预测精度与泛化能力，性能优于现有最优体积模型。
2025-03-24 physics.flu-dyn
NeuralFoil: An Airfoil Aerodynamics Analysis Tool Using Physics-Informed Machine Learning
Massachusetts Institute of Technology（麻省理工学院）
本研究提出开源工具NeuralFoil，融合物理信息机器学习与解析模型，在保证精度的前提下实现远快于XFoil的翼型空气动力学分析，支持梯度优化与不确定性量化，可快速生成接近专家设计水平的翼型。
2025-03-20 cs.LG physics.flu-dyn
Machine-Learning for Nonintrusive Model Order Reduction of the Parametric Inviscid Transonic Flow past an airfoil
跨音速范围内的流体流动在航空航天工程中，特别是在商业航空运输车辆的设计中具有相关性。航空航天应用的跨音速流动的计算流体动力学模型由于其高自由度以及守恒定律的耦合性质而在计算上是昂贵的。虽然这些问题构成了一个瓶颈，在航空航天设计中使用这样的模型，计算成本可以显着降低，通过构建特殊的，结构保持代理模型，称为降阶模型。然而，众所周知，这种模式会产生巨大的离线成本，有时会超过其潜在的好处。此外，已知它们在跨音速流动条件下的预测精度很差。在这项工作中，我们提出了一种通过深度神经网络构建降阶模型的机器学习方法，并证明了它能够以显著降低的离线和在线成本保持准确性。此外，我们的机器学习方法是物理通知和约束，通过适当的正交分解的方式利用可解释的编码。通过对RAE2822翼型在不同马赫数、攻角和翼型形状参数下的跨音速无粘绕流计算，表明该方法能很好地适应高维参数变化。值得注意的是，所提出的框架排除了在数据生成阶段使用的数值运算符的知识，从而展示了其在快速探索不同工程应用的设计空间中的潜在效用。
2020-01-12 physics.flu-dyn
Resolving high Reynolds numbers in SPH simulations of subsonic turbulence
雷诺数的计算在湍流的数值模拟中是至关重要的，特别是对于亚音速流。对于光滑粒子流体动力学（SPH）与恒定的人工粘性系数α，它表明，在没有明确的物理粘性项的有效雷诺数的比例线性与马赫数相比，网格计划，其中的有效雷诺数在很大程度上是独立的流速。因此，与网格代码相比，α =1的SPH模拟在亚音速范围内的雷诺数较低，可能不足以解决湍流。这就解释了Bauer和Springel（2011，arXiv：1109.4413v1）未能在移动网格程序AREPO和GADGET SPH程序之间找到适合于星系间/星系团内介质的驱动亚音速（v ~ 0.3 cs）湍流模拟的一致性，据称SPH程序从根本上无法产生类似于柯尔莫哥洛夫的湍流级联。我们表明，湍流与Kolmogorov频谱可以很容易地恢复采用标准的方法减少α远离冲击。
2011-11-30 astro-ph.CO astro-ph.IM physics.comp-ph
Solving all laminar flows around airfoils all-at-once using a parametric neural network solver
本文提出基于TSONN和网格变换的参数化神经网络求解器，可一次性求解UIUC翼型数据库中雷诺数100至5000、攻角-5°至15°范围内的所有层流，升阻力系数误差分别约为4.6%和1.1%，无需标注数据。
2025-01-02 physics.flu-dyn
Experimental and LBM analysis of medium-Reynolds number fluid flow around NACA0012 airfoil
本研究的基础是对NACA 0012翼型绕流的研究，目的是在中等雷诺数（Re = 191000）下，将风洞实验结果与格子玻尔兹曼方法（LBM）分析结果进行数值验证。本文中描述的LBM-大涡模拟（LES）方法为更快的计算流体动力学（CFD）分析开辟了机会，因为LBM在高性能计算架构上的可扩展性，更具体地说，通用图形处理单元（GPGPU），同时属于高分辨率LES方法。过程从开路风洞实验的数据采集开始。此外，压力系数作为比较变量，在不同的迎角（2、4、6和8度）下用于实验和LBM分析。为了数值再现实验结果，LBM耦合LES湍流模型，广义壁函数（GWF）和累积碰撞算子与D3 Q27速度集已被采用。此外，还提供了网格独立性研究，以确保结果一致。与实验数据相比，所提出的LBM方法能够进行高度准确的预测。此外，这项工作的特殊意义是实验和CFD比较相同的域尺寸的可能性。考虑到计算结果的质量，均方根误差（RMSE）显示了良好的相关性，无论是翼型的上，下表面。更准确地说，对于所有攻角，上表面的最大RMSE为0.105，而下表面为0.089。
2023-02-09 physics.flu-dyn
Feature Identification in Complex Fluid Flows by Convolutional Neural Networks
最近的努力表明，机器学习对非线性流体动力学的预测是有用的。预测准确性通常是采用神经网络的主要动机，但网络功能的核心模式识别对于增强我们对混杂动态的动态洞察力同样有价值。在本文中，对卷积神经网络（CNN）进行了训练，以识别大迎角机翼上几种性质不同的亚音速抖振流，并且仅用一小部分训练数据集就达到了近乎完美的准确性。卷积核和相应的特征图，由模型开发，没有提供时间信息，识别大规模的相干结构与那些已知的与抖振流相关。然后将一种名为梯度加权类激活映射（Grad-CAM）的方法应用于训练的模型，以指示这些特征图在分类中的重要性。还探讨了对超参数（包括网络架构和卷积核大小）的敏感性，结果表明，较小的核在相干结构识别方面比较大的核更好。随后使用长短期记忆CNN来证明，在包含时间信息的情况下，相干结构在质量上保持与常规CNN的相干结构相当。这些模型确定的相干结构增强了我们对大迎角翼型在大雷诺数范围内亚音速抖振的动力学理解。
2022-08-20 nlin.CD physics.flu-dyn
Comprehensive Study on the Slat Noise of 30P30N High-Lift Airfoil Basd on High-Order Wall-Resolved Large-Eddy Simulation
本研究利用高阶壁面解析大涡模拟对30P30N高升力翼型缝翼噪声进行综合研究，验证了方法的准确性并降低了计算成本，揭示了雷诺数和迎角对噪声的影响，提出了改进的纯音频率预测公式。
2024-11-08 physics.flu-dyn
Solving nonlinear subsonic compressible flow in infinite domain via multi-stage neural networks
Washington University in St. Louis（华盛顿大学圣路易斯分校）；University of Notre Dame（诺特大学）；Central South University（中南大学）；Stanford University（斯坦福大学）；New York University（纽约大学）
本研究提出一种基于多阶段神经网络的框架，用于在无限领域内高精度求解非线性亚声速可压缩流场问题，通过引入坐标变换和物理渐近约束，提升计算流体力学的求解精度与鲁棒性。
2026-01-01 cs.LG physics.comp-ph physics.flu-dyn
A complete state-space solution model for inviscid flow around airfoils based on physics-informed neural networks
本文提出一种基于物理信息神经网络的完整状态空间模型，将翼型外形参数和流动条件纳入输入，实现宽状态空间内约18.8小时连续求解，并支持约1秒完成流动模拟与反设计，结合预训练-微调方法达到有限体积法精度。
2024-01-14 physics.flu-dyn
Improved Performances in Subsonic Flows of an SPH Scheme with Gradients Estimated using an Integral Approach
在本文中，我们提出了一系列的流体动力学测试的结果，旨在验证性能的平滑粒子流体动力学（SPH）制定的梯度来自一个积分的方法。我们专门研究亚音速流的代码行为，众所周知，标准SPH中存在的零阶不一致性使得正确建模流体动力学特别成问题。特别是，我们认为Gresho-Chan涡问题，开尔文-亥姆霍兹不稳定性的增长，驱动亚音速湍流的统计和冷开普勒光盘问题。我们比较模拟结果的不同的测试与所获得的，对于相同的初始条件下，使用标准SPH。我们还比较了相应的结果与以前获得的其他数值方法，如基于移动网格计划或Godunov型拉格朗日无网格方法的代码。我们量化代码性能通过引入误差范数和粒子分布的谱特性，在其他作品中所做的类似的方式。我们发现，新的SPH制定具有强烈降低梯度误差，并优于标准SPH在所有的测试考虑。事实上，在精度方面，我们发现新方案的模拟结果与最近提出的其他数值方案的模拟结果之间有很好的一致性。这些研究结果表明，所提出的方法可以成功地应用于许多天体物理问题中，亚音速流的存在下，以前限制使用SPH，与新的计划，现在在这些制度的竞争力与其他数值方法。
2016-08-31 astro-ph.IM physics.comp-ph physics.flu-dyn
Fluid flow around NACA 0012 airfoil at low-Reynolds numbers with hybrid lattice Boltzmann method
本文采用混合格子玻尔兹曼方法（HLBM）对美国国家航空咨询委员会（NACA）0012翼型的二维绕流进行了数值模拟。该研究的目的是评估的数值性能和计算方法的鲁棒性。为此，在提供了一个收敛性研究，以估计该方法的整体精度后，我们分析了在雷诺数等于$10^3$的迎角的不同值的数值解。随后，计算了零迎角布局雷诺数达到$10^4$时的流场。一个网格加密方案被应用到重叠网格系统的均匀间隔的组件，以进一步提高模型的数值效率。结果表明，HLBM的能力，以实现高精度附近的固体弯曲壁，从而提供了一个可行的替代领域的非格子玻尔兹曼方法的基础上贴体网格。
2020-06-18 physics.comp-ph physics.flu-dyn
Towards a Generalized SA Model: Symbolic Regression-Based Correction for Separated Flows
本文提出基于符号回归修正SA湍流模型生成项的数据驱动方法，通过翼型数据同化构建白盒修正模型，在多种翼型和机翼上验证，显著提升分离流预测精度，失速迎角升力预测误差降低69.2%。
2025-03-12 physics.comp-ph physics.flu-dyn
Local mesh refinement sensor for the lattice Boltzmann method
University of Geneva（日内瓦大学）；University of Canterbury（坎特伯雷大学）；HEPIA - Haute école du paysage, d’ingénierie et d’architecture（HEPIA - 景观、工程与建筑高等学院）；University of Southampton（南安普顿大学）
本文提出了一种基于动能特性的网格细化传感器，用于格子玻尔兹曼方法，能有效生成高质量网格并提升计算效率。
2022-03-01 physics.flu-dyn
Singularity and Mesh Divergence of Inviscid Adjoint Solutions at Solid Walls
本文研究了伴随Euler方程在亚音速和跨音速下的网格发散问题，通过分析解析伴随解，发现该问题源于壁面奇异性，且该奇异性由后缘伴随奇异性以不同于以往推测的方式引起。
2024-01-08 cs.NA math.NA physics.comp-ph
Hydrodynamic/acoustic splitting approach with flow-acoustic feedback for universal subsonic noise computation
本文介绍了一种将可压缩纳维-斯托克斯方程分解为一组等效的流声耦合方程的通用方法。作为一个显着的扩展标准的流体动力学/声学分裂方法，该方法提供了必要的耦合项，占反馈的声学流动。一个独特的简化版本的分裂方程系统与反馈推导出符合可压缩纳维-斯托克斯方程在亚音速流区，反馈减少到一个额外的条款，在流动动量方程。亚音速模拟进行流声反馈的情况下，使用一个规模解决运行时耦合的分层笛卡尔网格求解器，它与不同的显式时间步长大小不可压缩流和声学。第一个模拟案例的重点是一个通用长笛的音调。通过引入主要的流声反馈项，模拟结果与Kühnelt基于Lattice-Boltzmann模拟的参考结果一致。相反，关闭反馈项的标准混合流体动力学/声学方法缺乏适当的音调。作为第二种模拟情况，研究了管道中厚板在不同低马赫数下Parker-beta模式共振附近的情况。模拟结果表明，与Welsh等人的实验数据非常吻合的流声反馈机制。模拟和理论考虑表明，反馈项不会减少基于稳定对流的流动方程的时间步长。
2020-09-15 physics.comp-ph physics.flu-dyn
Calibration of projection-based reduced-order models for unsteady compressible flows
在这项工作中的降阶模型（ROM）的校准分析。Galerkin和最小二乘Petrov-Galerkin（LSPG）方法进行了测试可压缩流涉及的时间尺度的差异。针对LSPG方法提出了一种新的标定策略，并对两个测试用例进行了分析。第一种包括亚音速翼型流，其中边界层不稳定性是后缘噪声产生的原因，第二种包括具有瞬态周期的超音速翼型流，其中分离激波在后缘处发生激波-涡流相互作用的同时向上游传播。结果表明，校准产生稳定和长期准确的两种情况下。为了减少LSPG模型的计算量，采用加速贪婪缺失点估计（MPE）算法进行超约简。对于第一种情况，超约化得到的LSPG解与全阶模型得到的LSPG解有很好的比较。然而，对于超音速的情况下，流动的瞬态特征需要适当地捕获的采样点。否则，运动冲击波的动力学不能完全恢复。不同的时间推进计划的影响也进行了评估，不同的文献中报道，Galerkin模型被证明是更准确的比LSPG计算时，非保守形式的纳维-斯托克斯方程求解。对于超音速情况，Galerkin和LSPG模型（无超简化）捕捉了沿翼型的分离和斜激波的总体动力学。然而，当激波-涡相互作用发生在后缘时，Galerkin ROM能够捕获来自涡脱落的高频波动，而LSPG呈现出更多的耗散解，不能恢复流动动力学。
2020-08-13 physics.comp-ph physics.flu-dyn
A Graph Neural Network Surrogate Model for Multi-Objective Fluid-Acoustic Shape Optimization
本文提出一种基于图神经网络的代理模型，通过预测流场并耦合流-声分析进行多目标翼型形状优化，在保持精度的同时将计算速度提升三个数量级。
2024-12-22 physics.flu-dyn
Shocks Under Control: Taming Transonic Compressible Flow over an RAE2822 Airfoil with Deep Reinforcement Learning
Aerospace Engineering Department, Worcester Polytechnic Institute（航空航天工程系，沃斯特理工学院）；Department of Aerospace Engineering, University of Michigan（航空航天工程系，密歇根大学）
针对Re=50,000时二维RAE2822翼型跨音速激波-边界层相互作用的主动流动控制问题，本文采用深度强化学习（DRL）结合高保真CFD求解器，通过合成射流作动器有效缓解激波诱导分离、抑制振荡并提升气动力性能。
2025-11-10 cs.LG physics.flu-dyn
Dynamical friction with radiative feedback -- II. High resolution study of the subsonic regime
最近的研究表明，作用在一个通过气体和不透明介质的大质量和发光的扰动物上的净引力可以与扰动物的运动方向相同（这种效应有时称为负动力学摩擦）。分析结果是用线性分析得到的，后来又用非线性数值模拟加以证实，非线性数值模拟没有解决扰动体的Bondi球内的流动，因此有效地限制在流动的弱扰动区域（论文~I）。在这里，我们提出了高分辨率的模拟，使用三维笛卡尔或二维圆柱形网格，解决流动内的邦迪球。我们进行了系统的研究作为扰动的质量和光度的函数，在亚音速制度的力量。我们发现，扰动与质量$M$小于几个$M_c\sim χc_s/G$受到热力的大小与线性理论（$χ$是介质的热扩散率，$c_s$的绝热声速和$G$的引力常量），而对于更大的质量，热力只有一小部分的线性估计衰减为$M^{-1}$。我们的分析证实了负摩擦的可能性（因此推进）足够明亮，低质量的胚胎嵌入原行星盘。最后，给出了低马赫数下总力的近似表达式，它对亚临界（$M<M_c$）和超临界（$M>M_c$）扰动都有效。
2020-04-28 astro-ph.EP physics.comp-ph physics.flu-dyn
H3PC: Hypersonic, High-Order, High-Performance Code with Adaptive Mesh Refinement and Real Chemistry
H3PC是一种基于不连续伽辽金谱元方法的高性能代码，用于模拟超音速流动，并结合自适应网格细化和真实化学模型提高计算精度。
2025-11-12 physics.comp-ph physics.flu-dyn
High-order simulations of isothermal flows using the local anisotropic basis function method (LABFM)
无网格方法在模拟复杂几何形状的流动方面具有巨大的潜力，大大降低了域离散化的难度。然而，许多无网格方法仅限于低阶精度。为了与传统的基于网格的方法竞争，高阶精度是必不可少的。局部各向异性基函数法（LABFM）是King等人提出的一种无网格方法，J. Comput. 415：109549（2020），其使得能够在无序节点离散化上构造高度精确的差分算子。在这里，我们介绍了一些发展LABFM，在基函数的建设，模板优化，稳定，可变分辨率和高阶边界条件。有了这些发展，直接数值模拟的纳维-斯托克斯方程是可能的，在极高的顺序（高达10阶的特征节点间距内部）。我们数值求解等温可压缩纳维-斯托克斯方程的几何形状范围：周期性和通道流，流经一个圆柱，多孔介质。与解析解，发表的数值结果（使用谱元法），和实验的极好的协议。在复杂的几何形状的直接数值模拟的方法的潜力证明了亚音速和跨音速流通过非均匀多孔介质在孔隙雷诺数高达Re=968的模拟。
2021-09-30 physics.comp-ph physics.flu-dyn
A conservative Godunov-type mesh-free hydrodynamics scheme for weakly compressible multiphase flows
Technical University of Munich (TUM)（慕尼黑工业大学）；Munich Institute of Integrated Materials, Energy and Process Engineering (MEP), Technical University of Munich (TUM)（慕尼黑工业大学集成材料、能源和工艺工程研究所）
提出一种保守型Godunov类无网格格式，通过二阶重构、HLLC求解器及界面切向松弛机制，实现弱可压缩多相流的高精度模拟，并在多个基准测试中验证了其有效性。
2026-09-15 physics.comp-ph physics.flu-dyn
A High-Order Arbitrary Lagrangian-Eulerian Discontinuous Galerkin Method for the Boltzmann Equation in Nearly Incompressible Flows
Middle East Technical University（中东技术大学）；Virginia Tech（弗吉尼亚理工大学）
提出任意拉格朗日-欧拉形式的伽辽金-玻尔兹曼方法，用于模拟具有移动边界的近不可压缩流，通过间断伽辽金离散和半解析龙格-库塔时间格式处理刚性问题，并在GPU上实现。
2026-07-07 physics.comp-ph physics.flu-dyn
High-order Compact Gas-kinetic Schemes for Three-dimensional Flow Simulation on Tetrahedral Mesh
最近提出了一个发展高阶紧致格式的一般框架。这些方案的核心步骤包括以下几个方面。1）。基于动力学模型方程，从广义的初始流动变量分布出发，构造了细胞界面处气体分布函数的时间精确演化解; 2）。将WENO型权函数引入到多阶多导数时间步格式中的细胞界面通量函数的时间导数中，以处理激波在一个时间步内可能撞击细胞界面的情况; 3）.取界面气体分布函数的矩，以获得时间精确的流动变量和相应的通量在细胞界面处，并更新每个控制体积内的细胞平均流动变量及其梯度; 4）.在重构单元依赖的物理域内，基于单元平均的流场变量及其梯度，进行紧凑的初始数据重构，得到下一时间步开始时的初始流场分布。在二维非结构网格上建立了一种空间精度达到六阶、时间精度达到四阶的气体动力学紧致格式。在本文中，紧凑的GKS高达四阶精度的三维四面体网格将进一步构建与WENO型的初始数据重建的重点。通过非线性权系数的设计，使光滑Navier-Stokes方程的解具有高精度，并在强激波干扰的三维计算中保持了超强的鲁棒性。四阶紧致GKS可以采用CFL数为$0.6$的大时间步长，模拟从亚音速到高超声速的流动。一系列的测试用例被用来验证该方案。高阶紧凑GKS为具有复杂几何形状的3D应用做好了准备。
2022-08-09 physics.comp-ph physics.flu-dyn
GSIS-ALE for moving boundary problems in rarefied gas flows
针对稀薄气体多尺度移动边界模拟的网格处理与效率难题，提出结合重叠网格、六自由度动力学的GSIS-ALE求解器，经四类问题验证其准确性与效率。
2024-08-18 physics.comp-ph physics.flu-dyn
A Mesh-Adaptive Hypergraph Neural Network for Unsteady Flow Around Oscillating and Rotating Structures
Department of Mechanical Engineering, The University of British Columbia（不列颠哥伦比亚大学机械工程系）；Department of Mechanical Engineering, University of California, Berkeley（加州大学伯克利分校机械工程系）
本文提出一种自适应超图神经网络，用于建模旋转和振荡结构周围的不稳流，通过自适应网格和接口单元实现稳定预测。
2026-01-13 cs.LG physics.flu-dyn
A Point-Cloud Deep Learning Framework for Prediction of Fluid Flow Fields on Irregular Geometries
Stanford University（斯坦福大学）
我们提出了一种新的深度学习框架，用于当解是域或域内对象的几何形状的函数时，在不规则域中进行流场预测。计算流体动力学（CFD）领域中的网格顶点被视为点云，并用作基于PointNet架构的神经网络的输入，该网络学习空间位置和CFD量之间的端到端映射。使用我们的方法，（i）网络继承了非结构化网格的理想特征（例如，分别在物体表面附近和远场中的精细和粗略点间距），这最小化了网络训练成本;（ii）通过位于物体边界上的顶点精确地表示物体几何形状，这保持了边界平滑度并允许网络检测几何形状之间的小变化;以及（iii）不使用数据插值来创建训练数据;因此保留了CFD数据的准确性。这些特征中没有一个是通过基于将分散的CFD数据投影到笛卡尔网格中然后使用规则的卷积神经网络的现有方法实现的。本文研究了不可压缩层流定常绕流各种截面形状的圆柱体的问题。预测场的质量和动量守恒。我们通过预测多个物体以及翼型周围的流动来测试我们的网络的泛化能力，即使在训练过程中只观察到单个物体并且没有翼型。该网络预测流场的速度比我们传统的CFD求解器快数百倍，同时保持出色的合理精度。
2021-09-16 cs.LG physics.flu-dyn
Comparisons of Two Reduced-Order Models for Linearized Unsteady Aerodynamic Identification
本文比较了线性Volterra级数和带有外生输入的自回归（ARX）模型两种非定常气动力降阶模型（ROM）在动态线性气动力特性建模方面的性能。这两种方法的区别在于后一种模型有自回归项，而前一种模型只有输入相关项。第一个系统是低雷诺数流动中的一个压入圆柱，其中流动是稳定的（Re < 47）。虽然两种方法都能很好地拟合训练数据，但线性Volterra方法需要比ARX模型更高的模型阶数才能获得相同的精度。频率响应的比较表明，ARX模型更接近的频率响应，而在高雷诺数的频率响应是过拟合Volterra级数。第二个气动力系统是NACA 0012翼型俯仰流动，包括亚音速和跨音速状态。在不同的马赫数和平均攻角下，详细研究了模型关于延迟阶数的收敛性。随着马赫数或平均攻角的增加，所需的延迟阶数也将增加。但是ARX模型仍然在相同的精度水平上用少量的项来建模这个系统。结果表明，ARX模型在大多数情况下，特别是在接近不稳定状态时，其性能优于线性Volterra级数。
2019-05-08 physics.comp-ph physics.flu-dyn
A fast Physics-Informed Neural Networks based approach to the 2D design of turbine blades
Ruhr University Bochum（鲁尔大学波鸿）
提出渐进式欧拉PINN框架，通过逐步放松边界条件和几何感知动态损失加权，实现涡轮叶片族在多种工况下的快速气动筛选，精度与CFD相当且计算成本显著降低。
2026-05-22 physics.flu-dyn
Explicit form of simplified Grad's 13 moments distribution function-based moment gas kinetic solver with unstructured meshes for the multiscale rarefied flow
本文提出显式数值通量的简化版G13-MGKS，采用Shakhov碰撞模型与简化数值通量处理，扩展至非结构网格，在Kn<0.2下实现准确多尺度稀薄流模拟，相比传统方法提速两个数量级，并大幅降低计算与内存开销。
2024-03-24 cs.NA math.NA physics.flu-dyn
Aero-Nef: Neural Fields for Rapid Aircraft Aerodynamics Simulations
Airbus（空中客车公司）；ISAE-Supaero（法国高等航空与空间研究院）
本文提出基于隐式神经表示的Aero-Nef代理模型，用于非结构化网格上的稳态飞机气动仿真，可泛化至未知三维形状，并在翼型与机翼数据集上显著降低误差、实现比高保真求解器快五个数量级的推理。
2024-07-29 cs.CE cs.LG cs.NA
Graph Convolutional Neural Networks for Body Force Prediction
Carnegie Mellon University（卡内基梅隆大学）；University of Pittsburgh（匹兹堡大学）
许多科学和工程过程产生空间非结构化数据。然而，大多数数据驱动的模型需要一个特征矩阵，该特征矩阵为每个样本强制执行一组特征数量和顺序。因此，它们不能很容易地为非结构化数据集构建。因此，提出了一种基于图的数据驱动模型，使用图卷积神经网络（GCNN）对非结构化网格上定义的字段执行推理。该方法的能力来预测全球性能的空间不规则的测量与高精度的预测阻力与周围的翼型层流从分散的速度测量。该网络可以从不同分辨率的现场样本中进行推断，并且对每个样本中的测量值的呈现顺序是不变的。使用归纳卷积层和自适应池化的GCNN方法能够预测该数量，验证$R^{2}$高于0.98，归一化均方误差低于0.01，而不依赖于空间结构。
2020-12-03 cs.LG physics.flu-dyn
Reformulated dissipation for the free-stream preserving of the conservative finite difference schemes on curvilinear grids
本文发展了一种新的曲线网格上的高阶迎风守恒型有限差分格式的自由流保持方法。这种FP方法通过从原始迎风保守FD格式的局部模板中的每个单元中心值中减去参考单元面流状态来简化，这有效地导致了重新表述的耗散。该方法不需要修改迎风格式的原始形式，便于实现。此外，所提出的方法消除了传统的FP保守FD计划，需要一个一致的离散化的网格度量和通量的约束。这样，对于网格质量较差的工程问题，可以采用低阶格式进行数值模拟，而高阶格式则可以用来逼近流态，提高计算精度。在通过两个简单的算例证明了严格的FP性质和精度量级后，我们考虑了各种验证算例，包括绕圆柱的超声速流，绕三段翼型的亚音速流，绕ONERA M6机翼的跨音速流等，以表明该方法适用于包含复杂几何形状的广泛的流体动力学问题。此外，这些测试案例还表明，离散的度量顺序没有显着的影响，数值结果，如果网格分辨率不够大。
2021-01-13 cs.NA math.NA physics.comp-ph
A Massively Parallel Hybridizable Discontinuous Galerkin Solver for Direct Numerical Simulation of Compressible Flows on GPUs
Massachusetts Institute of Technology（麻省理工学院）
本文提出面向GPU的大规模并行HDG求解器，结合高阶离散化、DIRK时间积分等技术，在三类可压缩流基准问题上验证其可解析多种流态的能力，实现高效DNS计算。
2026-08-31 cs.NA math.NA physics.flu-dyn
Physics-informed neural networks for hidden boundary detection and flow field reconstruction
State Key Laboratory of Fluid Power（流体动力国家重点实验室）；Zhejiang University（浙江大学）；China Ship Scientific Research Center（中国船舶科学研究中心）
针对流体力学反演挑战，提出PINN框架，通过在控制方程中引入体分数参数，利用稀疏观测同时推断隐藏固体边界与重建流场，验证了其在多种流动场景下的鲁棒性与准确性。
2025-03-31 cs.LG physics.comp-ph physics.flu-dyn
Discontinuity-aware KAN-based physics-informed neural networks
School of Interdisciplinary Science, Beijing Institute of Technology（北京理工大学交叉科学学院）；School of Mechatronical Engineering, Beijing Institute of Technology（北京理工大学机电工程学院）；Beijing Institute of Technology (Zhuhai)（北京理工大学（珠海））
本文提出一种考虑不连续性的物理信息神经网络DPINN，通过自适应傅里叶特征嵌入层、不连续性感知网络、网格变换和可学习的局部人工粘性来提高求解具有尖锐空间过渡或快速时间演化的偏微分方程的准确性。
2026-03-24 physics.comp-ph physics.flu-dyn
Physics-Informed Chebyshev Polynomial Neural Operator for Parametric Partial Differential Equations
本文提出了一种基于Chebyshev多项式基的物理信息神经算子，用于解决参数化偏微分方程，通过改进的基变换和调制机制提升模型的鲁棒性和精度。
2026-02-02 cs.LG physics.flu-dyn
A Finite Element-Inspired Hypergraph Neural Network: Application to Fluid Dynamics Simulations
The University of British Columbia（不列颠哥伦比亚大学）
针对现有图神经网络多基于双边连接的局限，提出受有限元启发的FEIH(ϕ)-GNN超图网络，具备旋转等变性，在流体模拟基准上实现稳定准确的插值预测及适度外推能力。
2023-04-24 cs.LG physics.flu-dyn
Optimize discrete loss with finite-difference physics constraint and time-stepping for PDE solving
Sichuan University（四川大学）；Chengdu Jincheng College（成都锦城学院）；National Key Laboratory of Fundamental Algorithms and Models for Engineering Simulation, Sichuan University（四川大学工程仿真基础算法与模型全国重点实验室）；Simulation and Precision Control Research Center, Taihang Laboratory（太行实验室模拟与精密控制研究中心）；Institute for Aero Engine, Tsinghua University（清华大学航空发动机研究院）
本文提出FDTO方法，通过有限差分时间步长损失优化求解PDE，解决PINN在体符合几何和时间依赖问题上的局限，减少内存并提高精度。
2026-05-13 physics.flu-dyn
Efficient Wall-Modeled High-Order Compact Gas-Kinetic Scheme for Compressible Turbulent Flows
Hong Kong University of Science and Technology（香港科技大学）；Shenzhen Research Institute, Hong Kong University of Science and Technology（香港科技大学深圳研究院）
提出基于压力梯度的非平衡壁面模型与高阶紧致气体动理学格式耦合的框架，在粗糙近壁网格上准确预测分离流动，壁面摩擦系数显著改进，计算开销增加不到1%。
2026-06-29 cs.NA math.NA physics.flu-dyn
A non-oscillatory face-centred finite volume method for compressible flows
这项工作提出了面心有限体积（FCFV）的可压缩流动的模拟范例。FCFV方法在人脸重心处定义未知数，并使用杂交过程来消除单元内的所有自由度。此外，黎曼解算器的数值通量的表达式内隐含定义。由此产生的方法提供了一阶精确的近似保守量，即密度，动量和能量，以及粘性应力张量和热通量，而不需要任何梯度重建程序。因此，FCFV求解器在存在扭曲和高度拉伸的单元时保持近似的准确性，从而提供对网格质量不敏感的求解器。此外，FCFV是能够构建尖锐的不连续性，而不诉诸激波捕捉或限制技术的非振荡近似。对于低马赫数的流动，该方法是鲁棒的，并且能够在不需要引入特定的压力校正策略的情况下计算不可压缩极限中的精确解。一组二维和三维基准的外部流来验证的方法在不同的流态，从无粘到粘性层流，从跨音速到亚音速不可压缩流，展示其潜力，处理可压缩流在现实的情况下。
2022-01-06 cs.CE cs.NA math.NA
