粗糙壁湍流的低维建模新范式
Rough-wall modeling on a low-dimensional manifold
Shyam S. Nair, Robert F. Kunz, Wen Zhang （张雯）, Xiang I. A. Yang （杨翔）
引用格式：Nair Shyam S, Kunz Robert F, Zhang Wen, et al. Rough-wall modeling on a low-dimensional manifold[J]. PHYSICAL REVIEW FLUIDS, 2025, 10(6):064606.
编者按
粗糙壁面流动广泛存在于自然与工程场景中，但由于粗糙面结构复杂多变，传统依赖于经验参数的阻力预测方法在泛化能力与精度上存在明显不足，且不具备生成能力。本文提出一种基于低维潜空间学习的粗糙壁面建模框架，不依赖人为选取的粗糙度统计量，而是通过深度卷积自编码器自动提取粗糙面本征特征，并建立与等效砂粒粗糙度高度（ks）的关联模型。该方法不仅预测准确，还具备粗糙面重建与优化设计潜力，为湍流边界层建模提供了全新思路。
一、 研究背景
湍流与壁面粗糙度之间复杂的相互作用，一直是壁面流动研究中的核心挑战。粗糙表面扰乱近壁流动结构（如条带与涡），显著改变边界层动量输运特性，从而增加阻力。如何有效表征粗糙度并准确预测由此产生的阻力，对飞行器设计、舰船水动力、天气预报与地表水力学等领域均具有重要意义。
传统的粗糙度建模依赖于对表面统计量（如均方根粗糙度、高斯偏度、有效坡度等）的经验选取与拟合。然而，这类参数的选择具有较强主观性，难以泛化，尤其是在面对不同类型、多尺度甚至非规则粗糙面的情形下。
二、研究方法
该研究提出了一种新颖的粗糙壁面建模思路——将复杂粗糙面的形貌压缩映射到一个仅包含三个变量的低维流形上。核心方法包括：
自动编码器（Autoencoder）压缩粗糙面形貌：通过深度卷积神经网络将93种实验与DNS获得的粗糙面高度分布，映射到三个无量纲的潜变量，实现低维数据驱动特征提取。
前馈神经网络预测ks值：将潜变量作为输入，通过训练前馈神经网络，预测等效砂粒粗糙度高度ks，这一参数是用于量化粗糙度引起阻力的重要水动力尺度。
构造新粗糙面并验证模型：通过在潜变量空间内生成未见粗糙面样本，使用DNS计算其真实ks，与模型预测值对比，验证模型泛化能力。
三、结果与分析
重构效果优秀：Autoencoder能够准确还原原始粗糙面结构，并在保留统计量（如krms、Sk、ka）方面表现良好。
建模准确性优于现有方法：相较于Flack等（2020）与Forooghi等（2017）提出的粗糙度经验公式，本模型在多个测试样本上的预测误差更小，R2拟合优度达0.89。
对未见粗糙面具备预测能力：模型对潜变量空间中新生成的粗糙面进行ks预测，结果与DNS计算吻合良好，表明该低维流形具备一定的生成性与泛化性。
参数物理意义仍在探索中：潜变量与传统粗糙度统计量之间相关性较弱，说明其提取的是非线性高阶特征，这为未来的解释性研究留出空间
四、研究意义
本研究展示了将粗糙壁面问题映射到“潜空间”的可行性，突破了传统粗糙度统计建模的局限。该方法不仅提升了建模精度与可扩展性，更为未来粗糙面优化设计提供了数据驱动的设计变量空间。潜变量的可控性也为逆向设计（如阻力最小化粗糙面形貌优化）奠定基础。
相关论文：
BLM| 南科大、宾州州立张雯、杨翔等：湍流边界层中大尺度二次涡结构演化的大涡模拟与建模 https://link.springer.com/article/10.1007/s10546-025-00904-1
JFM | 南科大、宾州州立张雯、杨翔等：摩擦分解积分方法及其在粗糙壁流动中的扩展https://www.cambridge.org/core/journals/journal-of-fluid-mechanics/article/integral-methods-for-friction-decomposition-and-their-extensions-to-roughwall-flows/2E30FE1D68980F06AA49B9FB464A2914
JFE | 南科大、宾州州立张雯、杨翔等：探索通用粗糙壁模型 https://asmedigitalcollection.asme.org/fluidsengineering/article/145/10/101302/1164127
JFM | 南科大、宾州州立张雯、杨翔等：几何对称粗糙面上方的非对称二次流研究https://www.cambridge.org/core/journals/journal-of-fluid-mechanics/article/asymmetric-secondary-flows-above-geometrically-symmetric-surface-roughness/4EE0100A56EBC3C3DEAD5F14D87F3D6E
JFM | 南科大、宾州州立张雯、杨翔等：深层均匀城市冠层流动中Raupach 混合层类比的证据https://www.cambridge.org/core/journals/journal-of-fluid-mechanics/article/evidence-for-raupach-et-als-mixinglayer-analogy-in-deep-homogeneous-urbancanopy-flows/2B00522F7284DB3E69D64EA4E188C4FA
公众号原文链接（文末附论文资源）：
PRF | 宾州州立、南科大杨翔、张雯等：粗糙壁湍流的低维建模新范式
注：文章由作者原创供稿，并获得作者授权发布。
