期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于GNN和ISPH耦合方法的波浪与结构物相互作用数值模拟研究
1
作者
张宁波
倪宝玉
+2 位作者
薛彦卓
武奇刚
袁广宇
《力学学报》
北大核心
2025年第4期816-828,共13页
波浪与结构物相互作用的研究因其在海洋结构物设计、操作及安全性方面的关键性作用而受到广泛关注.作为一种无网格数值方法,不可压缩光滑粒子流体动力学(incompressible smoothed particle hydrodynamics,ISPH)方法正逐渐成为研究波浪...
波浪与结构物相互作用的研究因其在海洋结构物设计、操作及安全性方面的关键性作用而受到广泛关注.作为一种无网格数值方法,不可压缩光滑粒子流体动力学(incompressible smoothed particle hydrodynamics,ISPH)方法正逐渐成为研究波浪与结构相互作用问题的潜力工具.在传统的ISPH方法中,压力是通过求解压力泊松方程(pressure Poisson equation,PPE)获得的,这是整个计算过程最为耗时的部分.采用一种图神经网络(graph neural network,GNN)与ISPH相结合的耦合方法(ISPH_GNN)对波浪与结构物相互作用展开数值模拟研究.在ISPH_GNN中,GNN模型用于预测流体压力,取代了传统ISPH方法中的PPE求解过程.文章的一项贡献是揭示了基于相对简单算例生成的数据训练的GNN模型可以有效地应用于相对更复杂的波浪与结构物相互作用问题.具体而言,本文采用基于溃坝和液舱晃荡算例数据训练而成的GNN模型,并将其与ISPH方法相结合,构建了ISPH_GNN方法,以模拟不同的波浪与结构相互作用问题,包括孤立波冲击阶梯结构、规则波冲击水下梯形结构物和规则波与浮式箱体的相互作用.仿真结果显示,ISPH_GNN在这些不同场景下均能提供令人满意的模拟结果,展现了其在波浪与结构相互作用问题上的良好泛化能力.文章的另一项重要贡献在于,与传统ISPH方法相比,ISPH_GNN在取得相似甚至略高计算精度的同时,显著提升了压力预测的计算效率,尤其是在处理大规模粒子数的波浪-结构物相互作用仿真时.例如,在包含130万粒子的模拟工况下,ISPH_GNN的压力预测速度提升了多达93倍.研究结果突显了ISPH_GNN方法在波浪-结构物相互作用仿真中的巨大潜力,可为海洋工程提供一种更具可扩展性和计算高效性的仿真工具.
展开更多
关键词
波浪与结构物相互作用
不可压缩光滑粒子流体动力学
图神经网络
耦合方法
压力泊松方程
压力
预测
在线阅读
下载PDF
职称材料
题名
基于GNN和ISPH耦合方法的波浪与结构物相互作用数值模拟研究
1
作者
张宁波
倪宝玉
薛彦卓
武奇刚
袁广宇
机构
哈尔滨工程大学船舶工程学院
出处
《力学学报》
北大核心
2025年第4期816-828,共13页
基金
国家自然科学基金资助项目(52371270,52192693和52192690).
文摘
波浪与结构物相互作用的研究因其在海洋结构物设计、操作及安全性方面的关键性作用而受到广泛关注.作为一种无网格数值方法,不可压缩光滑粒子流体动力学(incompressible smoothed particle hydrodynamics,ISPH)方法正逐渐成为研究波浪与结构相互作用问题的潜力工具.在传统的ISPH方法中,压力是通过求解压力泊松方程(pressure Poisson equation,PPE)获得的,这是整个计算过程最为耗时的部分.采用一种图神经网络(graph neural network,GNN)与ISPH相结合的耦合方法(ISPH_GNN)对波浪与结构物相互作用展开数值模拟研究.在ISPH_GNN中,GNN模型用于预测流体压力,取代了传统ISPH方法中的PPE求解过程.文章的一项贡献是揭示了基于相对简单算例生成的数据训练的GNN模型可以有效地应用于相对更复杂的波浪与结构物相互作用问题.具体而言,本文采用基于溃坝和液舱晃荡算例数据训练而成的GNN模型,并将其与ISPH方法相结合,构建了ISPH_GNN方法,以模拟不同的波浪与结构相互作用问题,包括孤立波冲击阶梯结构、规则波冲击水下梯形结构物和规则波与浮式箱体的相互作用.仿真结果显示,ISPH_GNN在这些不同场景下均能提供令人满意的模拟结果,展现了其在波浪与结构相互作用问题上的良好泛化能力.文章的另一项重要贡献在于,与传统ISPH方法相比,ISPH_GNN在取得相似甚至略高计算精度的同时,显著提升了压力预测的计算效率,尤其是在处理大规模粒子数的波浪-结构物相互作用仿真时.例如,在包含130万粒子的模拟工况下,ISPH_GNN的压力预测速度提升了多达93倍.研究结果突显了ISPH_GNN方法在波浪-结构物相互作用仿真中的巨大潜力,可为海洋工程提供一种更具可扩展性和计算高效性的仿真工具.
关键词
波浪与结构物相互作用
不可压缩光滑粒子流体动力学
图神经网络
耦合方法
压力泊松方程
压力
预测
Keywords
wave-structure interactions
incompressible smoothed particle hydrodynamics
graph neural network
hybrid method
pressure Poisson equation
pressure prediction
分类号
O352 [理学—流体力学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于GNN和ISPH耦合方法的波浪与结构物相互作用数值模拟研究
张宁波
倪宝玉
薛彦卓
武奇刚
袁广宇
《力学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
