Topology optimization of passively moving rigid bodies in unsteady flows

本文提出了一种拓扑优化方法，通过将刚体动力学与格子动力学流体方程相结合，并应用基于伴随变量的灵敏度分析来优化形状，从而设计在非定常流场中被动运动的刚体。

要点

想象一下，你正在尝试为一艘船设计完美的帆，或者为一台风力涡轮机设计完美的叶片。通常情况下，工程师会先设定一个形状，将其置于风中，观察其运动情况，然后调整形状，再试一次。这篇论文介绍了一种超级智能、自动化的方法来完成这项工作，但它有一个特别之处：形状不仅仅是静止在那里等待风吹，而是允许形状因为风的推动而发生运动。

以下是这种“魔法”如何运作的详细分解，使用了简单的类比：

1. 核心理念： “被动型”舞者

大多数设计形状的计算机程序都假设物体是粘在地面上的（比如一座桥或一根静止的管道）。如果你想设计一个运动部件，比如风扇叶片，你通常会告诉计算机：“让这个叶片以每分钟 100 转的速度旋转”，然后由计算机计算气流如何绕过它。

这篇论文颠覆了这一逻辑。它将物体视为舞池中的舞者。

• 旧方法（主动型）： 你精确地指挥舞者如何移动，然后观察空气如何围绕他们运动。
• 新方法（被动型）： 你不需要告诉舞者如何移动。你只需要设定好音乐（风），然后要求计算机设计舞者的身体，使得音乐能自然地推动他们进行尽可能大幅度的旋转或滑行。舞者的运动是风的结果，而不是指令的结果。

2. 双网格技巧：地图 vs. 地形

为了实现这一点，计算机使用了一种被称为**“分离网格”**的巧妙技巧。想象一下，你正在一张方格纸上绘制一个移动岛屿的地图。

• 设计网格（地图）： 这是绘制形状的地方。它像是一个素描本。计算机在这里决定哪里是“固体”材料（岛屿），哪里是“空”白空间（水域）。
• 分析网格（地形）： 这是物理现象发生的地方。这是一个固定的水流和风的网格。

在每一微秒， “地图”（形状）都会在物理上移动并旋转。然后，计算机将那个移动的地图投影到固定的“地形”网格上，以计算风如何推挤它。在风推动之后，计算机计算物体下一步应该如何移动，更新“地图”，然后循环往复。这就像是拍下一张运动物体的照片，计算风力，移动物体，然后立即拍摄下一张照片。

3. “幽灵”力（Brinkman 力）

计算机如何知道固体物体在哪里？它使用了一个名为 Brinkman 力 的概念。
想象一下，设计区域是一个充满了看不见的、粘稠蜂蜜的房间。

• 在有固体材料的地方，蜂蜜非常厚且粘稠。风无法穿透它；它只会推挤表面。
• 在有空白空间的地方，蜂蜜很稀薄或不存在，因此风可以自由流动。
  计算机不需要画出一条硬性的界限；它只是在每个点上调整“粘性”。如果粘性高，它就是一堵墙；如果粘性低，它就是空气。这使得形状能够从一种形态平滑地演变为另一种形态。

4. “穿越时空”的数学（伴随变量法）

为了找到完美的形状，计算机必须知道：“如果我改变这里的一个微小物质点，物体的运动会变得更好多少？”
为每一个点都进行计算会耗费极长时间。因此，作者使用了一种称为**伴随变量法（Adjoint Variable Method）**的方法。

• 类比： 想象你在黑暗中试图寻找一条通往山顶的最佳路径。与其走遍所有可能的路径去观察哪条最好，不如从山顶向后照亮一束手电筒光。光线会直接告诉你哪些步骤能最高效地向上攀登。
• 在这篇论文中，“手电筒”在时间轴上向后运行，计算风力以及物体的运动是如何对形状的每一个微小变化做出反应的。这为计算机提供了一张“敏感度地图”，告诉它在何处增加或减少材料，以获得最佳结果。

5. 结果：我们建造了什么？

团队在三个场景下测试了该方法：

1. 二维帆： 他们设计了一个从静止开始并被风推着水平滑行的形状。结果看起来像是一个弯曲的机翼（翼型）。风在上方比下方推力更大，从而产生了将物体向前拉动的升力。
2. 二维涡轮机： 他们设计了一个旋转的形状。结果看起来像是一个四叶螺旋桨。风击中弯曲的叶片，产生了一种扭转力使其旋转。
3. 三维涡轮机： 他们在三维空间中进行了同样的操作。结果看起来就像是一个现实世界中的风力涡轮机。

6. “灰度”问题

在这些计算机设计中，形状的边缘并不总是完美的黑白分明线条。有时它们是“灰度”的——既有一点固体，又有一点空气。

• 在二维示例中，作者发现即使我们将形状做得非常锐利（黑白分明），性能也几乎没有变化。“模糊”的边缘并不会损害结果。
• 在三维示例中，这种“模糊”的边缘变得更加重要。因为计算机网格有点“粗糙”（分辨率较低），模糊的边缘改变了风撞击叶片的方式。这表明对于复杂的 3D 形状，我们需要更精细的“地图”才能获得完美的结果。

总结

这篇论文提出了一种设计运动机器（如帆或涡轮机）的新方法，其中计算机同时计算形状和运动。它将物体视为被风推动的被动舞者，使用“粘性蜂蜜”技巧来定义形状，并通过向后运行时间的数学模拟来寻找最有效的形式。最终得到的形状自然呈现出类似机翼和螺旋桨的样子，经过优化，能够在流体作用下移动得尽可能远或旋转得尽可能快。

技术摘要

技术摘要：非定常流场中被动运动刚体的拓扑优化

问题陈述
本研究解决了由流体诱导力驱动的刚体（如帆和涡轮机）的拓扑优化问题。不同于传统流体力学拓扑优化中预设刚体运动（主动运动）以驱动流场，或是在粒子不影响流体的单向耦合中追踪粒子，本研究专注于双向耦合系统。在这里，刚体的运动是被动的，这意味着其轨迹和旋转完全由作用在其上的流体作用力决定。核心挑战在于如何同时求解非定常流场方程与刚体运动方程，其中流体作用力作为运动方程的输入，而物体的位姿则作为流体的边界条件。

方法论
所提出的框架整合了多种数值技术，以处理移动固体与非定常流体之间复杂的相互作用：

• 控制方程： 流体流动采用格子动力学方案（Lattice Kinetic Scheme, LKS）进行建模，这是一种适用于非定常流动的扩展格点玻尔兹曼方法（LBM）。刚体动力学由牛顿-欧拉方程控制，其中力和力矩是通过计算流体域内 Brinkman 力产生的反作用力来获得的。
• 分离的设计-分析网格： 该方法的核心组件是将设计网格（定义形状的网格）与分析网格（计算流体状态变量的网格）分离。设计网格在每个时间步进行刚体运动，并通过权重函数映射到分析网格上。这使得可以直接表示刚体运动，而无需对流体域进行重新划分网格。
• 伴随灵敏度分析： 为了高效计算设计灵敏度，研究采用了伴随格子动力学方案（Adjoint Lattice Kinetic Scheme, ALKS）。作者推导出了耦合流体方程与刚体运动方程的连续伴随方程。该公式将刚体运动变量（位置、速度、旋转角和角速度）视为伴随系统中的附加状态场。
• 优化算法： 使用移动渐近线法（Method of Moving Asymptotes, MMA）更新形状。为了确保设计具有可制造性的类二值特性，采用了带有 Heaviside 投影的密度滤波器。通过对凸性参数和投影陡度参数应用连续性方案，引导优化过程从弥散的初始状态过渡到清晰的固液分布。
• 周期性近似： 对于涉及循环运动的问题（如涡轮机），采用了周期性问题近似法。在优化迭代开始时，状态场和伴随场的初始值被设置为前一次迭代的终止值，从而通过避免为每次迭代都模拟瞬态启动过程来降低计算成本。

主要贡献

1. 被动运动公式化： 本文提出了一个专门针对由流体驱动运动的刚体的拓扑优化框架，将其与主动运动或单向耦合粒子追踪区分开来。
2. 耦合伴随推导： 提供了一套严谨的伴随方程和设计灵敏度推导，实现了流体动力学与刚体运动方程的完全耦合，并将运动学变量视为状态场。
3. 网格分离实现： 研究展示了分离网格方法在处理非定常移动刚体问题中的有效性，便于在移动网格与静态网格之间传递 Brinkman 系数和固体速度等物理量。
4. 数值验证： 通过针对平移和旋转情况的有限差分近似进行验证，确认了所推导灵敏度的准确性。

结果
该方法应用于三个数值算例：

• 二维帆（2D Sail）： 优化目标是最大化刚体的水平位移。得到的形状类似于翼型，能够产生升力推动物体前进。优化后的形状显著优于具有平坦上表面的参考形状。
• 二维涡轮机（2D Turbine）： 目标是最大化旋转角度。通过采用循环周期条件，优化产生了一个在流体作用下能有效旋转的四叶片类翼型结构。结果表明，优化形状中存在的灰度区域在二值化后对性能的影响微乎其微。
• 三维涡轮机（3D Turbine）： 对三维旋转形状进行了优化，得到了类似涡轮机的结构。然而，由于计算限制导致的网格分辨率较低，二值化版本与优化形状相比在相位和周期上存在不可忽视的差异，凸显了三维薄壁结构对网格分辨率的敏感性。

意义与主张
作者声称，所提出的方法能有效优化诸如帆和涡轮机等设备，这些设备的性能取决于流体作用力与刚体运动之间的相互作用。研究表明，对于此类问题，非定常分析是必要的，因为随着物体的运动，有效攻角和作用力会发生动态变化。

论文也指出，虽然该方法行之有效，但仍存在局限性，特别是在三维情况下，网格分辨率的约束可能导致优化形状与二值化形状之间出现偏差。作者建议，未来的工作应侧重于提高网格分辨率（例如通过自适应方法）并将其框架扩展到湍流领域。研究结论认为，这种耦合拓扑优化方法为设计流体驱动的运动部件提供了强大的工具，并为理解非定常状态下的升力和阻力产生机制提供了见解。