期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于低阶导数物理信息神经网络的流动和传热反演问题研究
1
作者
张贤
胡春
+2 位作者
崔永赫
王秋旺
赵存陆
《空气动力学学报》
北大核心
2025年第1期34-43,I0001,共11页
求解空气动力学领域中流动和传热反演问题对于飞行器设计和飞行环境控制至关重要。然而,传统数值方法在处理这类问题时,往往面临计算复杂性和数据依赖性的挑战。为解决此问题,基于物理信息神经网络(PINN),本文构建了低阶导数物理信息神...
求解空气动力学领域中流动和传热反演问题对于飞行器设计和飞行环境控制至关重要。然而,传统数值方法在处理这类问题时,往往面临计算复杂性和数据依赖性的挑战。为解决此问题,基于物理信息神经网络(PINN),本文构建了低阶导数物理信息神经网络(LPINN),其特点在于仅需有限的实验测量数据,即可有效地解决流动和传热的反演问题。为验证LPINN在反演问题上的应用效果,选择了两种典型的二维流动及传热案例(泊肃叶流动和顶盖驱动方腔流动)进行研究。结果表明,在缺乏明确边界条件的前提下,LPINN能利用稀疏的实验数据,准确预测整个计算区域内的流场和温度场,并能够较为精确地确定控制方程中的雷诺数和佩克莱数。对随机取点、均匀取点和基于先验知识取点3种不同的实验观测点选取方案进行了对比分析,发现基于先验知识取点方案在保证高反演精度的同时,其所需的实验观测点数量最少,这对提高反演问题的求解效率具有积极意义。此外,LPINN在处理反演问题时展现出对实验数据中噪声的高度鲁棒性。
展开更多
关键词
低阶导数
物理信息神经网络
流动与传热
反演问题
在线阅读
下载PDF
职称材料
“硬”边界低阶导数型物理信息神经网络:一种流动求解器
被引量：
4
2
作者
崔永赫
张文耀
+3 位作者
闫慧龙
钱芳
王秋旺
赵存陆
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2022年第9期123-133,共11页
为加速求解流体力学问题的物理信息神经网络的训练过程,本文将Navier-Stokes方程转换成低阶导数形式,并以“硬”方式施加边界条件,构建了用于求解稳态不可压缩层流流动问题的“硬”边界低阶导数型物理信息神经网络(HLPINN)。应用HLPINN...
为加速求解流体力学问题的物理信息神经网络的训练过程,本文将Navier-Stokes方程转换成低阶导数形式,并以“硬”方式施加边界条件,构建了用于求解稳态不可压缩层流流动问题的“硬”边界低阶导数型物理信息神经网络(HLPINN)。应用HLPINN对变截面管道内的流动进行了数值模拟,并将结果与传统的“硬”边界物理信息神经网络(HPINN)结果对比。结果表明:HLPINN和HPINN均能精确模拟截面扩张和收缩管道内的流场;相较于HPINN,HLPINN可以加速反向传播过程从而加速训练过程;对于截面扩张和收缩两种工况,与HPINN相比,HLPINN的训练时间减少超60%;HLPINN可对两种优化算法进行加速,对于自适应矩估计(Adam)算法可提速超过200%,对于局部极小化(L-BFGS-B)算法可提速90%左右。此外,用于施加“硬”边界条件的距离函数的形式和值域对计算精度影响很大,但是对训练时间及优化算法计算速度的影响甚微。研究表明,连续、平缓和值域在合理范围的距离函数有助于提高计算精度。
展开更多
关键词
物理信息神经网络
低阶导数
流体力学
反向传播
在线阅读
下载PDF
职称材料
题名
基于低阶导数物理信息神经网络的流动和传热反演问题研究
1
作者
张贤
胡春
崔永赫
王秋旺
赵存陆
机构
国核电力规划设计研究院有限公司
西安交通大学热流科学与工程教育部重点实验室
出处
《空气动力学学报》
北大核心
2025年第1期34-43,I0001,共11页
基金
国家自然科学基金(51976157,51721004)。
文摘
求解空气动力学领域中流动和传热反演问题对于飞行器设计和飞行环境控制至关重要。然而,传统数值方法在处理这类问题时,往往面临计算复杂性和数据依赖性的挑战。为解决此问题,基于物理信息神经网络(PINN),本文构建了低阶导数物理信息神经网络(LPINN),其特点在于仅需有限的实验测量数据,即可有效地解决流动和传热的反演问题。为验证LPINN在反演问题上的应用效果,选择了两种典型的二维流动及传热案例(泊肃叶流动和顶盖驱动方腔流动)进行研究。结果表明,在缺乏明确边界条件的前提下,LPINN能利用稀疏的实验数据,准确预测整个计算区域内的流场和温度场,并能够较为精确地确定控制方程中的雷诺数和佩克莱数。对随机取点、均匀取点和基于先验知识取点3种不同的实验观测点选取方案进行了对比分析,发现基于先验知识取点方案在保证高反演精度的同时,其所需的实验观测点数量最少,这对提高反演问题的求解效率具有积极意义。此外,LPINN在处理反演问题时展现出对实验数据中噪声的高度鲁棒性。
关键词
低阶导数
物理信息神经网络
流动与传热
反演问题
Keywords
low-order derivative
physics-informed neural network
flow and heat transfer
inverse problem
分类号
TK124 [动力工程及工程热物理—工程热物理]
在线阅读
下载PDF
职称材料
题名
“硬”边界低阶导数型物理信息神经网络:一种流动求解器
被引量：
4
2
作者
崔永赫
张文耀
闫慧龙
钱芳
王秋旺
赵存陆
机构
西安交通大学热流科学与工程教育部重点实验室
出处
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2022年第9期123-133,共11页
基金
国家自然科学基金资助项目(51976157)
西安市科技局科技创新人才服务企业资助项目(2020KJRC0057)
中央高校基本科研业务费资助项目(xzy012020075)。
文摘
为加速求解流体力学问题的物理信息神经网络的训练过程,本文将Navier-Stokes方程转换成低阶导数形式,并以“硬”方式施加边界条件,构建了用于求解稳态不可压缩层流流动问题的“硬”边界低阶导数型物理信息神经网络(HLPINN)。应用HLPINN对变截面管道内的流动进行了数值模拟,并将结果与传统的“硬”边界物理信息神经网络(HPINN)结果对比。结果表明:HLPINN和HPINN均能精确模拟截面扩张和收缩管道内的流场;相较于HPINN,HLPINN可以加速反向传播过程从而加速训练过程;对于截面扩张和收缩两种工况,与HPINN相比,HLPINN的训练时间减少超60%;HLPINN可对两种优化算法进行加速,对于自适应矩估计(Adam)算法可提速超过200%,对于局部极小化(L-BFGS-B)算法可提速90%左右。此外,用于施加“硬”边界条件的距离函数的形式和值域对计算精度影响很大,但是对训练时间及优化算法计算速度的影响甚微。研究表明,连续、平缓和值域在合理范围的距离函数有助于提高计算精度。
关键词
物理信息神经网络
低阶导数
流体力学
反向传播
Keywords
physics informed neural network
low-order derivative
fluid mechanics
back-propagation
分类号
TK124 [动力工程及工程热物理—工程热物理]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于低阶导数物理信息神经网络的流动和传热反演问题研究
张贤
胡春
崔永赫
王秋旺
赵存陆
《空气动力学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
“硬”边界低阶导数型物理信息神经网络:一种流动求解器
崔永赫
张文耀
闫慧龙
钱芳
王秋旺
赵存陆
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2022
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
