本文介绍一项针对自主水下航行器（AUVs）水动力性能评估的快速流场预测研究。该研究由Chao Yuan、Lixia Chen、Yong Lin、Dibo Dong、Xiujing Gao和Junlong Zhao等人合作完成，分别来自福建理工大学、福建船政交通职业学院和中山大学。研究成果于2025年发表在《Journal of Marine Science and Technology》期刊上。
一、 研究背景与目标
在海洋资源勘探与开发的背景下，水下航行器，尤其是自主水下航行器（AUVs），扮演着至关重要的角色。AUVs在执行任务时，其周围的流场（速度场、压力场等）直接影响其运动轨迹、稳定性和操纵性。因此，在设计阶段，快速且精确地获取AUVs在不同工况下的流场信息对于优化其水动力性能至关重要。
传统上，通过实验获取水下航行器的流场和水动力系数既昂贵又耗时。随着计算流体动力学（CFD）技术的发展，CFD已成为解决相关流体问题的重要工具。然而，高保真度的CFD模拟通常需要消耗巨大的计算资源和存储空间，难以满足工程设计中快速优化或实时监测的需求。因此，开发能够大幅降低计算成本、同时保持足够精度的替代模型或降阶模型（Reduced-Order Models, ROMs）具有重要意义。
本研究的核心目标有两个： 1. 验证与建立数据库：以典型的AUV裸艇体模型（SUBOFF模型）为例，验证工程中常用的雷诺平均纳维-斯托克斯（RANS）湍流模型在计算AUV绕流问题中的准确性，并以此建立一个可靠的流场数据库。 2. 实现快速流场预测：引入本征正交分解（Proper Orthogonal Decomposition, POD）方法对数据库进行降阶处理，并基于此发展一种能够快速、准确预测未知工况下AUV绕流场的方法。
二、 研究详细工作流程
本研究主要包括五个关键步骤：研究对象与数值方法确立、计算域与网格无关性验证、数值方法验证、POD数据库建立、以及基于POD的流场预测。
第一步：研究对象与数值方法确立 本研究选取经典的SUBOFF裸艇体（配置AFF1）作为研究对象，总长4.356米，直径0.508米。流体域被划分为内部域和外部域，以细化艇体周围的网格。边界条件设置为：艇体表面为无滑移壁面，入口为速度入口（直航）或对称边界（斜航），出口为开放边界。采用商业CFD求解器ANSYS CFX进行稳态模拟，对比了三种常用的RANS湍流模型：标准k-ε模型（SKE）、重整化群k-ε模型（RNG）和剪切应力传输k-ω模型（SST）。对流项采用高分辨率格式，残差收敛标准设为1e-6。
第二步：计算域与网格无关性验证 为确定合适的计算域大小和网格密度，研究以直航工况（航速5.92节）为例进行了验证。通过对比不同域大小和网格密度的计算结果与实验阻力值，最终选定了一个与相关文献一致、能平衡计算精度与资源的计算域设置（艇体前端及侧向距离为2倍艇长，后端为4倍艇长）。网格无关性测试表明，采用约200万网格单元（M2方案）时，阻力计算结果与实验值误差最小（-0.76%），因此后续所有工况均采用此网格划分策略。
第三步：数值方法验证 验证工作分为直航和斜航运动两部分。 * 直航验证：在多个航速（5.92至17.99节）下进行模拟，计算总阻力。结果显示，三种湍流模型均能较好地反映阻力随航速变化的趋势。其中，标准k-ε模型（SKE）的平均误差最小（约2.7%），表现最佳。此外，在航速6.5节（雷诺数Re=1.4×10^7）时，艇体表面压力系数的分布与实验数据高度吻合，进一步验证了数值模型的准确性。 * 斜航验证：在航速4.5节、漂角1°–12°的范围内进行模拟，计算横向力速度导数Y’_v和转首力矩速度导数N’_v。结果表明，SKE和RNG模型的计算结果与实验值更为接近（Y’_v误差约2–5%，N’_v误差约8%），而SST模型的误差显著更大。因此，综合直航和斜航的验证结果，研究确定采用标准k-ε模型（SKE）进行后续数据库的建立。
第四步：POD数据库建立 基于已验证的数值方法（SKE模型），研究针对SUBOFF裸艇体（AFF1）建立了一个流场数据库。数据库覆盖了航速（4.5至6.5节，间隔0.5节）和漂角（0°至20°，间隔5°）的组合，共计25个稳态工况。所有CFD模拟均在四核并行计算环境下完成，每个工况收敛需要超过1200秒。
第五步：基于POD的流场预测 为实现快速预测，研究从三维流场数据库中提取了通过艇体几何中心的二维水平截面流场数据作为样本。随后，对这些样本数据应用POD方法进行降阶处理。 1. POD分解与重构：首先对数据库中的25个已知工况流场数据进行POD分解，得到一组正交的本征模态（POD基）及其对应的系数。分析发现，前三个模态的累积能量比（CER）已分别达到速度u、速度v和压力p总能量的99.2%、99.6%和99.9%。这意味着仅使用前三个POD基就能保留流场绝大部分特征信息。使用前三个模态对数据库内工况进行流场重构时，其与原始CFD结果的最大误差分别为2.23%（u）、1.02%（v）和0.45%（p），证明了降阶模型的高保真度。 2. 未知工况预测：为预测未知工况，研究采用拉丁超立方抽样（Latin Hypercube Sampling, LHS）方法，在原有参数范围内生成了5个新的工况组合（航速和漂角）。这些新工况的参数未包含在原始数据库中。对于这5个未知工况，研究采用三次样条插值（Cubic Spline Interpolation, CSI）方法，根据已知工况的POD基系数来预测新工况对应的基系数。 3. 预测结果与效率：利用预测得到的前三个POD基系数，快速重建了5个未知工况的二维流场。预测流场与后续通过完整CFD模拟得到的结果在定性上高度相似。定量误差分析表明，使用前三阶模态进行预测，速度u、v和压力p的均方根误差均小于1.5%。在计算效率方面，使用POD方法对二维流场进行分解和预测，在MATLAB平台上仅需0.83秒和0.54秒，相比完整CFD模拟的1200秒以上，速度提升了数千倍。
三、 主要研究结果
四、 研究结论
本研究成功地将本征正交分解（POD）方法引入到AUV流场计算中，针对SUBOFF裸艇体模型，发展了一套快速、准确的流场预测框架。主要结论如下： 1. 在所选工况范围内，标准k-ε（SKE）湍流模型是计算AUV裸艇体绕流的可靠选择。 2. POD方法能够高效地对AUV流场数据库进行降阶，仅需前三个模态即可高精度（误差<1.5%）重构和预测流场。 3. 基于POD的预测方法在保持高精度的同时，将流场获取时间从CFD模拟的分钟级缩短到秒级，实现了数量级上的效率提升，证明了其在AUV快速水动力性能评估和设计优化中的应用潜力。
五、 研究的价值与亮点
科学价值与应用价值： * 科学价值：本研究为AUV水动力学研究提供了一种结合高保真CFD与数据驱动降阶模型的新范式。它系统验证了POD方法在AUV复杂绕流问题中的适用性和精度极限，为后续将ROMs应用于更复杂的水动力问题（如带附体、带桨、三维非定常运动）奠定了基础。 * 应用价值：该方法能极大加速AUV的设计迭代过程。设计师可以在短时间内获得大量不同设计方案或工况下的流场信息，从而进行快速优化。此外，该方法也为未来实现AUV在线运动状态感知和实时控制提供了潜在的技术支持。
研究亮点： 1. 方法创新性：首次将POD降阶模型系统性地应用于SUBOFF AUV裸艇体带漂角工况的流场快速预测中，并展示了其极高的效率和足够的精度。 2. 流程完整性：研究涵盖了从CFD验证、数据库建立、POD降阶到未知工况预测的完整流程，形成了一个闭环的技术方案，具有很强的可重复性和参考价值。 3. 显著的效率提升：研究明确量化了POD方法相对于传统CFD在计算时间上的巨大优势（从>1200秒到秒），这对其工程应用前景至关重要。 4. 扎实的验证基础：研究并非直接应用POD，而是首先对底层CFD模型进行了详尽的直航和斜航验证，确保了输入数据库的质量，从而使得后续的降阶和预测结果可信。
六、 其他有价值的内容与展望
文中指出，由于处理海量数据的负担，本研究目前仅对SUBOFF裸艇体的二维流场进行了POD分解和预测。然而，真实AUV运行环境是三维的，且可能带有附体、舵、甚至推进器。因此，未来的研究方向包括： * 将POD快速预测方法扩展到AUV的三维全流场。 * 研究更复杂的工况，如同时存在漂角、攻角、舵角等。 * 考虑带附体或带桨配置的AUV模型。 * 探索其他插值或机器学习方法（如文中提到的）来预测POD基系数，可能进一步提高预测精度和泛化能力。
该研究为实现AUV水动力性能的实时分析与优化迈出了关键一步，为工程领域提供了一种极具潜力的高效计算工具。