《Journal of Marine Science and Engineering》:Nonparametric and Parametric Modeling of Hydrodynamics for a Fully Appended Autonomous Underwater Vehicle
编辑推荐:
摘要:水动力学模型是自主水下航行器(AUV)设计、运动控制和性能评估的基础。现有方法面临两个关键瓶颈:(1)传统显式CFD需要预设轨迹,无法捕捉舵-桨联合作用下的真实运动响应,导致仿真与实船操作脱节;(2)广泛采用的标准潜艇运动方程(SSME)参数冗余度高,而
摘要:水动力学模型是自主水下航行器(AUV)设计、运动控制和性能评估的基础。现有方法面临两个关键瓶颈:(1)传统显式CFD需要预设轨迹,无法捕捉舵-桨联合作用下的真实运动响应,导致仿真与实船操作脱节;(2)广泛采用的标准潜艇运动方程(SSME)参数冗余度高,而高精度非参数模型计算成本过高,阻碍嵌入式部署。为填补这些空白,本文提出一种基于隐式CFD的框架,适用于配备贯穿体推进器的全附体AUV。该框架无需预设轨迹,直接耦合周期性螺旋桨推力和舵角激励,实现与实船航行状态一致的5自由度(5DOF)空间运动模拟。参数化和非参数化模型分别通过最小二乘法(LS)和神经网络(NN)识别。Sobol全局敏感性分析降低了SSME的维度,生成仅含25个关键参数的基本潜艇运动方程(BSME),参数数量减少55%,且精度损失可忽略。验证表明,非参数NN模型的预测误差比参数模型降低超过10%,而精简的BSME可在低功耗计算场景中实现实时预测。该方法在早期AUV设计和嵌入式控制器部署中,平衡了快速水动力预测的精度和效率。
论文解读:
水动力学模型是自主水下航行器(AUV)设计、运动控制和性能评估的核心,直接影响航行器的操纵性、稳定性和安全性。现有水动力建模方法存在两大关键瓶颈:一是传统显式计算流体动力学(CFD)依赖预设轨迹,无法真实反映舵-桨联合作用下的耦合运动响应,导致仿真与实船操作脱节;二是标准潜艇运动方程(SSME)参数冗余度高,而高精度非参数模型计算成本高昂,难以在嵌入式系统上部署。这些限制阻碍了AUV在复杂海况下的快速设计与实时控制。为应对上述挑战,研究人员提出一种隐式CFD驱动的混合建模框架,旨在平衡模型精度与计算效率,为早期设计和嵌入式部署提供可靠工具。
该研究以配备贯穿体推进器的全附体AUV为对象,采用隐式CFD方法直接模拟5自由度(5DOF)空间运动。与传统显式CFD不同,该方法无需预设轨迹,而是通过周期性螺旋桨推力和舵角激励,生成耦合的运动状态和相应的水动力数据,更贴近真实航行场景。研究利用最小二乘法(LS)和神经网络(NN)分别识别参数化和非参数化水动力模型,并引入Sobol全局敏感性分析(GSA)对SSME进行参数降维,开发出仅含25个关键参数的基本潜艇运动方程(BSME)。该研究论文发表在《Journal of Marine Science and Engineering》,其核心创新在于将隐式CFD、基于方差分析的参数简化与NN识别相结合,形成一种系统的建模框架。
在技术方法上,研究人员采用标准k-ε湍流模型(含两层近壁处理)结合重叠网格(overset mesh)技术,对AUV的5DOF运动进行数值模拟。CFD模拟在背景网格与前景网格之间实现动态插值,确保计算稳定性。通过七个不同工况设置,改变激励频率(w
φ1、w
φ2、w
φ3)和幅值,获取多样化的运动与受力数据。参数化模型识别采用LS方法,基于SSME和BSME结构拟合水动力系数;非参数模型则使用反向传播(BP)神经网络,输入为5DOF的速度和加速度,输出为对应的水动力/力矩,网络结构为三层隐藏层(128-128-64神经元),采用ReLU激活函数、Adam优化器和均方误差(MSE)损失函数。模型性能通过MSE评估,并对比不同方法的预测精度。
研究结果分多个方面。首先,隐式CFD模拟成功生成了耦合5DOF运动轨迹和相应水动力响应,显著优于传统显式CFD的解耦单自由度方法。CFD方法通过独立验证,利用DARPA SUBOFF AFF-8基准模型与公开实验数据对比,预测纵向力的平均绝对相对误差为3.53%,最大误差为5.18%,验证了数值方法的可靠性。其次,在模型识别方面,LS方法成功识别SSME的56个参数,但通过Sobol敏感性分析,识别出高灵敏度参数,构建BSME仅保留25个参数,参数数量减少55%,且拟合优度下降不超过1%,表明简化模型保持了良好的预测性能。第三,非参数NN模型在预测精度上优于参数化模型,其MSE低于参数化模型10%以上,但计算成本较高;而BSME模型在轻量化和低功耗场景下具有优势,适合嵌入式实时应用。
在讨论部分,研究人员比较了参数化与非参数模型的适用边界。非参数NN模型适用于高精度离线预测,但计算资源需求高;参数化BSME模型精度损失极小,且参数数量少,可直接部署于船载控制系统。这种权衡为不同应用场景提供了量化选择依据。研究结论强调,隐式CFD方法消除了预设轨迹的限制,提升了仿真与实船的一致性;Sobol敏感性分析简化了模型结构,解决了现有简化模型缺乏全局敏感性支持的问题;混合建模框架同时满足精度和部署需求,解决了高精度模型计算代价过大的工程难题。
总体而言,该研究为全附体AUV的水动力建模提供了一种高效、可靠的解决方案,其意义在于:一方面,通过隐式CFD和全局敏感性分析,实现了模型精度与计算效率的平衡,支持早期设计阶段的快速预测;另一方面,BSME模型为嵌入式控制器部署提供了轻量化选择,促进了AUV实时运动控制的发展。未来的工作应着重于针对该AUV的PMM或拖曳水池实验验证,特别是耦合5DOF力和力矩分量的直接测量,以进一步确认模型在实际环境中的泛化能力。