用于三维界面多相流重构的卷积自编码器.pdfVIP

用于三维界面多相流重构的卷积自编码器

a1a,b

MurrayCutforth,ShahabMirjalili

aDepartmentofMechanicalEngineering,StanfordUniversity,Stanford,USA

bDepartmentofEngineeringMechanics,KTHRoyalInstituteof

Technology,Stockholm,Sweden

Abstract

本在这项工作中，我们对用于三维多相流降阶建模的自动编码器进行了全面

译研究。专注于使用标准卷积架构重建多相流体积/质量分数的准确性，我们

中考察了不同界面表示选择（扩散型、尖锐型、水平集）的优点和缺点。我们

1

v使用结合具有非平凡界面拓扑结构的合成数据以及多相均匀各向同性湍流

4

8的高分辨率模拟数据进行训练和验证。这项研究阐明了通过自动编码器降

0低多相流维度的最佳实践。因此，这为分离自动编码器的训练（用于精确重

4

0.建）与时间或输入/输出模型（如神经算子，例如FNOs、DeepONets）及低

8

0维潜在空间上的神经ODEs的训练铺平了道路。因此，本研究的影响是重

5

2要的，并且吸引了多相流领域以及更广泛领域的兴趣。

:

vKeywords:自动编码器,多相流,降阶模型,深度学习,接口捕捉

i

x

r

a

1.介绍

流体流动被视为高维动力系统，在没有某种降阶建模的情况下，其实

时预测、控制和优化成本极高。对于一个降阶模型（ROM），需要流体系统

的低维表示。虽然在开发单相流动的ROM方面已经取得了相当大的进展

[1,2,3,4]，但界面多相流动提出了独特的挑战。多相流动由两个或多个不

混溶的流体相组成，这些相通过可变形界面分开。在这种情况下，由于密

度、粘度、压力和其他跨过可变形相界面的场存在间断性，动力系统的状态

1Correspondingauthor

强烈依赖于不同相的瞬时位置。因此，对于ROM来说，准确表示多相流

动中三维界面的形状至关重要。在这项工作中，我们研究了卷积自编码器

（AE）在此任务上的性能。我们揭示了界面表示类型（弥散、尖锐、水平集

函数）、形状复杂度、训练集大小和压缩比对AE性能的影响。这项工作构

成了开发用于预测多相流动中时间动力学的ROM的坚实基础。最后，考

虑到在许多应用中高度需要复杂的三维形状的低维表示，包括计算机图形

学、计算机视觉和机器人技术，我们的发现可能超越多相流建模[5,6,7]。

虽然在过去几十年中，使用各种方法模拟（全阶建模）多相流界面取得

了重大进展[8,9]，但这些模拟的成本过高，无法实现实时预测、控制或优

化。因此，人们寻求这样的多相流动的简化模型（ROMs）。这类模型在文献

中非常稀缺[10,11,12,13,14]，尤其是在寻找旨在捕捉此类流体界面及其

演变的简化模型时更为少见。在这里，我们关注通过卷积自编码器（AEs）

实现多相流界面的低维表示。自编码器是一种神经网络，由一个将输入映

射到潜在表示的编码器和一个从该表示中重建输入的解码器组成。编码器

执行非线性变换，通常降低维度，而解码器则尽可能接近地逼近原始输入。

在单相流体的低维表示方面，自编码器取得了成功[15,16,17,18]，但它们

在多相流动状态重构中的应用仍然有限[10,13]。可以通过场变量以隐式方

式表示多相流界面有多种方法。这些包括如相场变量这样的扩散界面表示、

如体积分数的锐利界面表示以