|
|
2026年1月8日组会交流
编辑：【admin】 加入时间：【2026-1-8】
|
汇报人 |
刘雨佳 |
|
汇报题目 |
基于集合卡尔曼滤波的开源框架学习
|
|
汇报内容 |
1. 文献阅读部分介绍了一篇关于希尔伯特重排序非结构化网格的文章，介绍了二维和三维希尔伯特曲线，并介绍了重排序的必要性和重排序方法；还介绍了一篇关于开源集合卡尔曼滤波器DAFI的文章，分析了其方法与模型解耦的优势；
2. 介绍了集合卡尔曼滤波的定义和简单实现，介绍了周期性山丘流案例的来历以及实现，介绍了ISOPE论文的思路，包括简单函数实验，超分辨率重构和多源数据融合； |
|
汇报人 |
李一范 |
|
汇报题目 |
基于冰-结构接触理论研究和求解验证
|
|
汇报内容 |
1、 文献阅读
由于阅读了DEM方法模拟不规则颗粒流和冰层的文献，DEM在模拟碎冰方面具有优势。
[1] Liu L, Wu J, Ji S. DEM–SPH coupling method for the interaction between irregularly shaped granular materials and fluids[J]. Powder Technology, 2022, 400: 117249.
[2] Liu L, Ji S. Comparison of sphere-based and dilated-polyhedron-based discrete element methods for the analysis of ship–ice interactions in level ice[J]. Ocean Engineering, 2022, 244: 110364.
2、 最近的工作。
这段时间在阅读LAMMPS-Peri的源代码时发现，源码中传输给冰粒子的力，除了冰粒子之间的相互作用力（键基力），还有结构粒子对冰粒子的接触力和非局部作用力（理应不存在），就这一部分代码进行了修改。更新后的程序模拟得到的三轴弯曲试验与实验值和其他数值结果吻合较好，模拟裂纹扩展的情况也比较理想。通过对比相同输入参数不同模型的模拟，发现结构的光滑程度对模拟结构的影响很大，所以应在计算成本允许范围内，尽可能的提高粒子分辨率使结构表面光滑。 |
|
汇报人 |
章文彬 |
|
汇报题目 |
集合卡尔曼滤波数据同化学习
|
|
汇报内容 |
1. 文献阅读：介绍了数据同化所需要解决的问题，以及集合卡尔曼滤波数据同化的技术的思路、关键要点和具体的框架。介绍了DAFI集合卡尔曼滤波数据同化的开源框架。
2. 近期工作：介绍了基于DAFI开源框架和OpenFoam结合的两个典型的数据同化算例，第一个是DAFI框架自带的周期山tutorial算例，第二个是后向台阶流算例。其中具体介绍了后向台阶流算例的算例设置以及同化结果，通过选取两个不同的实验观测值的标准差比较了观测值标准差对同化结果的影响。 |
|
汇报人 |
胡歆悦 |
|
汇报题目 |
湍流各向异性分析研究与JBC船标模结果更新
|
|
汇报内容 |
1. 重点介绍了两篇文献，为研究方法提供了核心支撑。第一篇文献介绍了全尺度杂货船的边界层与尾流流动分析过程，解析了船尾逆压梯度成因，并且通过解析TKE和压力系数Cp展示了逆压梯度对于边界层结构的影响，同时用y+-u+图完整展示了边界层的附着到流动过程，最后展示桨盘面典型低速钩形区表现了边界层分离后对于尾流的控制作用。第二篇文献系统介绍了典型湍流各向异性分析的lumely triangle方法，学习了lumely triangle三个典型顶点所代表的物理含义，通过其展示的湍流各向同性程度，为验证尾流分析中泰勒冻结假说应用的有效性提供了一定证据。
2. 最近研究工作围绕JBC标模尾流场展开，对于相关分析进行二次计算，主要是是补充全船计算，同时加密计算域网格，将计算结果与已完成与某些国际标模结果进行初步对标，同时还进行了JBC标模案例的系统性后处理报告整理，以及尾流基金的更新整理与论文写作。 |
|
汇报人 |
包棚举 |
|
汇报题目 |
开尔文波系的数值研究和势流理论粘性修正项的学习
|
|
汇报内容 |
1. 介绍了两篇关于势流中添加粘性修正项的文献，重点关注粘性修正项的作用形式以及高阶谱方法中粘性修正项的推导。
2. 最近的工作。一是开尔文波系的数值研究，探讨了HOS-Ocean网格数对开尔文波系的影响，介绍了双曲正切压力分布的数学公式以及其数学性质，并计算了某船的开尔文波系；二是探究了HOS-Ocean中波浪破碎的作用机理，理论推导了粘性修正项的相关公式。 |
|
汇报人 |
秦宝禹 |
|
汇报题目 |
基于机器学习的快速预报模型
|
|
汇报内容 |
1. 介绍了两篇有关基于机器学习的船舶运动短期预报的文献。第一篇文献提出了一种 并行混合模型（GSA-BiGRU-Informer，GBI），用于解决船舶极短期运动预测中存在的非线性、非平稳性以及模型泛化能力不足的问题。第二篇文献提出了一种混合深度学习框架（WT-A-LSTM-KAN），用于高精度短期预测系泊船舶的横摇与纵摇运动，主要解决了传统方法在非线性、非平稳海况下预测精度低、预测时间短的问题。可以看出，基于机器学习的船舶运动极短期预报的目前主要发展趋势是混合模型的使用。
2. 近期对此前开发的软件界面进行了完善，加入了工况动画展示功能，然后对此前较为零散的代码进行了整理重构，并完成了软著初稿的撰写。另外，对比了此前构建的基于共形分位数回归和LSTM神经网络的区间预测模型（CQR-LSTM）与传统不含有共形校准的QR-LSTM区间预测模型的预测结果以及各项区间指标。结果表明，CQR-LSTM在保证区间覆盖概率的情况下，有更高效的预测区间。 |
|
汇报人 |
周义成 |
|
汇报题目 |
基于LES的圆球绕流验证
|
|
汇报内容 |
1. 介绍了一篇使用DNS方法直接模拟雷诺数是3700时圆球绕流的文章，文章通过对流场四个典型位置进行谱分析，揭示了以斯特劳哈尔数St=0.215为主导的大尺度涡脱落机制，并识别出剪切层Kelvin-Helmholtz不稳定性（f≈0.72）及回流区低频脉动（f≈0.0178）等多尺度频率特征，同时给出了表面压力分布、摩擦系数、回流区长度等关键工程参数。
2. 使用LES方法，首先对均匀流中雷诺数是3700的圆球绕流进行模拟，从表面压力系数，表面摩擦系数和尾流中心线处顺流速度三个方面对结果进行对比，整体趋势与文献结果类似，但在部分区域有差距。
3. 对Fr=3，Re=3700的分层流算例进行模拟，验证尾流中心线处速度亏损与脉动速度，与文献结果比对较好，分析垂直剖面处的垂向速度分布，分析速度变化造成的尾流的收缩与扩张 |
|
|