文章标题：流体仿真中流-固耦合边界特征学习网络研究

文章作者：刘子豪^1,2, 侯冬冬^1,2, 卢丙举^1,2, 李广华^1,2, 经慧祥^1,2, 张连营^1,2
关 键 字：数据驱动;流体模拟;连续卷积神经网络;流固交互处理
文章摘要：随着水下无人装备的发展，对精细化仿真的需求日益增加，尤其固（刚体）-液边界处的模拟效果，对于提升整体模拟的真实性具有重要意义。传统物理模拟方法虽稳定，尤其在流固边界上表现优异（如反弹边界法），但计算成本大，模拟耗时长。相比之下，基于数据驱动方法的计算效率高、模拟耗时短，但因缺乏对流固边界的特殊处理，常出现粒子穿透等失真现象。结合二者方法优势，本文提出在基于数据驱动的基础框架上，融入专门提取流-固细节特征的网络，使框架具备处理流固边界交互的能力，提升局部模拟精度。仿真实验结果表明，本文方法比传统基于数据驱动的方法模拟效果更佳，误差降低10%左右。