[论文解读] An efficient shape parametrisation by free-form deformation enhanced by active subspace for hull hydrodynamic ship design problems in open source environment

Nicola Demo, Marco Tezzele+2 more|arXiv (Cornell University)|Jan 19, 2018

Model Reduction and Neural Networks参考文献 21被引用 5

一句话总结

本文提出了一种开源的自动化流程，结合自由形式变形（FFD）进行船体形状参数化，以及主动子空间（AS）进行降维，应用于船舶水动力设计。通过分析8个形状参数下阻力和纵倾角的梯度，主动子空间识别出一个能解释90%输出方差的2D主动子空间，显著降低了计算成本，同时保持了早期设计阶段的精度。

ABSTRACT

In this contribution, we present the results of the application of a parameter space reduction methodology based on active subspaces to the hull hydrodynamic design problem. Several parametric deformations of an initial hull shape are considered to assess the influence of the shape parameters considered on the hull total drag. The hull resistance is typically computed by means of numerical simulations of the hydrodynamic flow past the ship. Given the high number of parameters involved - which might result in a high number of time consuming hydrodynamic simulations - assessing whether the parameters space can be reduced would lead to considerable computational cost reduction. Thus, the main idea of this work is to employ the active subspaces to identify possible lower dimensional structures in the parameter space, or to verify the parameter distribution in the position of the control points. To this end, a fully automated procedure has been implemented to produce several small shape perturbations of an original hull CAD geometry which are then used to carry out high-fidelity flow simulations and collect data for the active subspaces analysis. To achieve full automation of the open source pipeline described, both the free form deformation methodology employed for the hull perturbations and the solver based on unsteady potential flow theory, with fully nonlinear free surface treatment, are directly interfaced with CAD data structures and operate using IGES vendor-neutral file formats as input files. The computational cost of the fluid dynamic simulations is further reduced through the application of dynamic mode decomposition to reconstruct the steady state total drag value given only few initial snapshots of the simulation. The active subspaces analysis is here applied to the geometry of the DTMB-5415 naval combatant hull, which is a common benchmark in ship hydrodynamics simulations.

研究动机与目标

• 通过识别形状参数的低维依赖关系，减少早期船舶设计中高保真水动力模拟的计算负担。
• 探究主动子空间是否能揭示船体形状变形参数空间中的低维结构。
• 开发并验证一个完全自动化、开源的流程，集成FFD、势流求解器与数据驱动的模型降维技术。
• 评估动态模式分解（DMD）在加速非定常流模拟收敛方面的有效性。
• 评估主动子空间在近似船体阻力和水动力纵倾角作为形状参数函数时的准确性。

提出的方法

• 采用包含8个控制点的自由形式变形（FFD）生成参数化船体形状变化，实现全局、平滑的几何变形。
• 使用高保真、完全非线性的势流求解器（WaveBEM），直接与IGES CAD文件接口，实现网格生成与仿真的自动化。
• 应用动态模式分解（DMD）从少数初始仿真快照中重构稳态阻力与流场，加速收敛过程。
• 计算性能输出（阻力、纵倾角）相对于形状参数的梯度，以估计主动子空间的非中心化协方差矩阵。
• 应用主动子空间方法，识别8维参数空间中输出函数变化最显著的低维子空间。
• 使用测试数据集验证降维模型，将预测输出与高保真仿真结果进行对比。

实验结果

研究问题

• RQ1 主动子空间能否在8维形状参数空间中识别出一个能捕捉船体阻力与纵倾角主要变化的低维子空间？
• RQ2 FFD、DMD与主动子空间的组合在降低计算成本的同时，能否有效保持水动力设计仿真中的精度？
• RQ3 主动子空间近似在船体总阻力与水动力纵倾角方面的定量精度如何？
• RQ4 梯度协方差矩阵中存在明显的特征值间隔是否可作为预测主动子空间在此类设计问题中成功与否的可靠指标？
• RQ5 所提出的开源、自动化流程是否可有效用于早期船舶设计，且几乎无需人工干预？

主要发现

• 主动子空间方法成功识别出一个2D子空间，可解释水动力纵倾角的大部分变化，均方根误差（RMSE）约为8×10⁻⁵。
• 对于船体总阻力，主动子空间近似平均误差为20%（约1.8 N），表明降维效果有限，原因在于缺乏明显的特征值间隔。
• 梯度非中心化协方差矩阵中，第一特征值与后续特征值之间存在显著间隔，被证实是主动子空间性能的可靠预测指标。
• 动态模式分解通过仅利用少数初始快照即可重构稳态解，显著加速了非定常模拟过程。
• 与高保真模拟相比，主动子空间后处理的计算成本可忽略不计，使其成为常规评估降维潜力的实用工具。
• 整个流程——形状参数化、仿真与后处理——已成功通过开源工具与基于IGES的CAD互操作性实现自动化。