近日，海洋工程领域国际权威顶刊《Journal of Ocean Engineering and Science》（中科院一区 TOP、JCR Q1）刊发了东海实验室关于跨域海洋机器人入水过程水空多相流场界面重建的最新研究成果，论文题为 "Image-Based Deep Learning Prediction of Water Entry Flow Pattern Evolution for Cross-Domain Vehicles"，由东海实验室海洋机器人中心与北京大学研究团队联合完成。该论文第一作者为海洋机器人中心专职研究员侯玉庆，东海实验室为第一完成单位，通讯作者为东海实验室副主任、海洋机器人中心主任陈家旺教授，北京大学严佳乐副研究员为共同通讯作者。
跨域航行器兼具空中快速巡航、水下隐蔽作业的跨域能力，是海洋探测、海上安防、应急救援、深海作业等领域的核心前沿装备。其高速入水过程包含强冲击载荷、自由面剧烈畸变、空泡生成与溃灭、多相流固耦合等高度非线性的复杂流动现象。传统 CFD 数值仿真耗时极长、算力成本高昂，难以支撑大批量构型参数的快速迭代；物理模型试验则存在周期长、成本高、工况难以复现、精细流场信息难以捕捉等瓶颈。
图 1 跨域航行器的跨域工作流程与简化模型
针对上述痛点，本研究摒弃纯仿真与纯试验的传统范式，提出入水过程空泡与航行器姿态UN-MHA智能预报模型。该模型无需重复仿真或重复试验，即可精准推演全时序空泡形态、自由面演化与尾迹流场细节，从而大幅降低研发成本、缩短装备迭代周期。其预报精度同时兼顾像素级指标与流体工程专属指标（空泡轮廓误差、流场空间误差），从流场视觉与物理机理双重维度验证了模型的优越性。在高速强空泡、强界面畸变的极端复杂工况下，模型仍保持高鲁棒性，能够精准复现超长空泡拉伸、界面卷曲破碎、尾迹涡系演化等复杂流动特征，适配不同速度尺度的跨域航行器入水工程场景，为跨域海洋装备的智能化设计、性能快速评估与方案迭代提供了全新的数据驱动仿真技术路径。
图2 跨域入水实验装置
图3 跨域入水低速与高速工况空化流场重建对比
论文第一作者侯玉庆研究员为北京大学力学博士后出站， 研究方向聚焦仿生多栖跨域海洋机器人装备研发、CFD水动力数值计算方法、多相流场代理模型预报方法，以第一作者发表科研论文12篇，包括SCI中科院一区 TOP论文3篇、SCI中科院二区 TOP论文4篇，主持/参与多项国家科研项目，包括科技部重点专项、国家自然科学基金重大项目、JKW基础加强计划、中国博士后科学基金面上基金、国家资助博士后研究人员计划等。
该研究得到北京大学湍流与复杂系统国家重点实验室、中国博士后科学基金、国家自然科学基金、国家资助博士后研究人员计划、北京市科技新星计划等支持。
论文引用：
HOU Y, YAN J, AO Y, et al. Image-based deep learning prediction of water entry flow pattern evolution for cross-domain vehicles[J]. Journal of Ocean Engineering and Science, 2026. DOI: 10.1016/j.joes.2026.09.018.
文字：侯玉庆/ 编辑：王莺/ 审核：娄昊
信息来源：东海实验室。
转载请注明信息来源及海洋知圈编排。
热门跟贴