检索结果-维普期刊中文期刊服务平台

基于内嵌物理知识卷积神经网络的电力系统暂态稳定评估被引量：13: 1; 作者陆旭张理寅 +2 位作者李更丰别朝红段超《电力系统自动化》 EI CSCD 北大核心 2024年第9期107-119,共13页; 针对现有数据驱动的电力系统暂态评估方法依赖大规模数据集且可解释性不足的问题,文中将物理知识嵌入传统数据驱动方法,提出一种基于内嵌物理知识卷积神经网络的电力系统暂态稳定评估方法。该方法考虑大规模风电并网的电力系统,将电力... 展开更多; 关键词内嵌物理知识卷积神经网络知识-数据混合驱动功角暂态稳定性机器学习可解释性; 在线阅读下载PDF 职称材料

基于神经网络的三阶拉曼放大光传输系统建模: 2; 作者陈佟邓黎 +5 位作者王谦郭小溪徐健龙函黄超黄丽艳《光通信研究》北大核心 2025年第5期21-26,共6页; 【目的】三阶分布式拉曼放大器(DRA)是目前长距离无中继传输中的光放大前沿技术,与一阶和二阶DRA传输相比,其在传输过程中能实现更优的增益与噪声特性,但传输过程也更为复杂。然而目前对三阶DRA的建模多基于拉曼功率耦合方程,其需要数... 展开更多; 关键词无中继传输分布式拉曼放大器三阶拉曼放大器内嵌物理知识型神经网络机器学习; 在线阅读下载PDF 职称材料

基于神经网络的液压打桩锤代理模型生成技术研究: 3; 作者刘亚俊陈文 +4 位作者曾俊峰庞国达庞炬东魏智健陆扬《机床与液压》 2025年第21期193-199,共7页; 不同液压桩锤控制参数下,桩锤液压效率存在巨大差异。针对液压打桩锤作业过程进行施工过程控制参数的优化,对提升桩机能源利用率具有重要意义。然而机载设备算力受限,为了在算力约束条件下快速且低成本获取施工控制参数与液压效率仿真结... 展开更多; 关键词液压打桩锤代理模型物理知识内嵌神经网络; 在线阅读下载PDF 职称材料

深度学习在边界层流动稳定性分析中的应用被引量：1: 4; 作者樊佳坤姚方舟 +3 位作者黄江涛徐家宽乔磊白俊强《空气动力学学报》 CSCD 北大核心 2024年第3期30-46,共17页; 基于线性稳定性理论(linear stability theory,LST)的e^(N)方法是边界层转捩预测中比较可靠的方法之一。为了将传统LST特征值问题的求解过程大幅度简化和自动化,使用卷积神经网络(convolutional neural network,CNN)在边界层相似性解的... 展开更多; 关键词线性稳定性理论 e^(N)方法卷积神经网络内嵌物理信息神经网络流向不稳定性横流不稳定性; 在线阅读下载PDF 职称材料

基于PINN的复合材料自动铺放轨迹整体规划被引量：2: 5; 作者林静明许可《南京航空航天大学学报》 CAS CSCD 北大核心 2023年第5期914-923,共10页; 自动纤维铺放能有效地提高复材构件的制造效率和质量。为满足复材构件的力学性能要求及铺放质量要求,在给定曲面目标域内生成铺放轨迹时需要同时考虑转弯半径、纤维角偏差以及轨迹间距等工艺指标。现有铺放轨迹规划方法大多在对基准轨... 展开更多; 关键词复合材料自动铺放轨迹规划全局度量内嵌物理知识神经网络曲面参数化; 在线阅读下载PDF 职称材料

题名基于内嵌物理知识卷积神经网络的电力系统暂态稳定评估被引量：13: 1; 作者陆旭张理寅李更丰别朝红段超; 机构西安交通大学电气工程学院; 出处《电力系统自动化》 EI CSCD 北大核心 2024年第9期107-119,共13页; 基金国家自然科学基金联合基金重点支持项目(U22B20103); 文摘针对现有数据驱动的电力系统暂态评估方法依赖大规模数据集且可解释性不足的问题,文中将物理知识嵌入传统数据驱动方法,提出一种基于内嵌物理知识卷积神经网络的电力系统暂态稳定评估方法。该方法考虑大规模风电并网的电力系统,将电力系统暂态稳定物理方程内嵌至神经网络损失函数,通过神经网络直接逼近物理过程,使输出结果满足物理规律,提高暂态稳定评估的可靠性与可解释性。通过数据与知识双驱动,所提方法不依赖大规模训练数据集,依然具有较好的鲁棒性与泛化能力。此外,所提方法通过卷积神经网络进行特征提取与降维,解决拓扑数据无法直接作为神经网络输入的难题。在含风机的IEEE 9节点和IEEE 39节点测试系统上的实验结果表明,所提方法在准确率、计算效率、泛化能力等方面相较现有方法有显著提升。; 关键词内嵌物理知识卷积神经网络知识-数据混合驱动功角暂态稳定性机器学习可解释性; Keywords physics informed convolution neural network hybrid knowledge-data driven power angle transient stability machine learning interpretability; 分类号 TM712 [电气工程—电力系统及自动化] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于神经网络的三阶拉曼放大光传输系统建模: 2; 作者陈佟邓黎王谦郭小溪徐健龙函黄超黄丽艳; 机构国家电网有限公司信息通信分公司武汉光迅科技股份有限公司; 出处《光通信研究》北大核心 2025年第5期21-26,共6页; 基金国家电网有限公司科技资助项目(SGZB0000TGJS2301000)。; 文摘【目的】三阶分布式拉曼放大器(DRA)是目前长距离无中继传输中的光放大前沿技术,与一阶和二阶DRA传输相比,其在传输过程中能实现更优的增益与噪声特性,但传输过程也更为复杂。然而目前对三阶DRA的建模多基于拉曼功率耦合方程,其需要数值方法求解,计算相对复杂。运算量小的建模方法则基于数据驱动型机器学习,需要庞大的数据量,且泛化能力较差。为此需要新的建模方法,在保证模型精度的前提下提升运算速度。【方法】文章提出了一种基于内嵌物理知识型神经网络(PINN)的方案对三阶拉曼放大光传输系统进行建模。该方案能结合数值方法和数据驱动型机器学习的优点,将微分方程的求解转化为优化问题,通过将微分方程以及边界条件等约束作为损失函数,实现神经网络的训练,使得模型兼顾计算的精度与复杂度。【结果】文章搭建了一个120 km的C波段47信道的三阶拉曼放大光纤传输系统,并分别采用数值方法和所提的PINN对系统进行功率预测,结果表明,PINN预测的信号功率与传统的数值方法偏差小于0.19 dB,预测的泵浦光功率则几乎无误差,而运算次数则降低了一个数量级。【结论】PINN能准确预测三阶拉曼放大光传输系统中泵浦光与信号光的功率演化,且相比数值方法显著降低了计算复杂度。; 关键词无中继传输分布式拉曼放大器三阶拉曼放大器内嵌物理知识型神经网络机器学习; Keywords unrepeatered transmission DRA third order DRA PINN machine learning; 分类号 TN929 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于神经网络的液压打桩锤代理模型生成技术研究: 3; 作者刘亚俊陈文曾俊峰庞国达庞炬东魏智健陆扬; 机构华南理工大学机械与汽车工程学院; 出处《机床与液压》 2025年第21期193-199,共7页; 文摘不同液压桩锤控制参数下,桩锤液压效率存在巨大差异。针对液压打桩锤作业过程进行施工过程控制参数的优化,对提升桩机能源利用率具有重要意义。然而机载设备算力受限,为了在算力约束条件下快速且低成本获取施工控制参数与液压效率仿真结果,利用液压打桩施工过程的历史数据对预测结果进行校正,提出一种基于神经网络的代理模型——PISMN。对液压打桩锤能量转换效率进行研究,确定其施工过程控制参数为液压系统输入功率、提锤等待时间、提锤高度。建立液压桩锤数字模型,使用神经网络拟合仿真软件计算结果,可大幅降低预测过程的计算成本。基于现有物理知识内嵌神经网络理论,提出使用不等式构建物理知识内嵌神经网络,并基于该方法构建面向液压打桩锤仿真过程的PISMN代理模型。经验证,该方法可对代理模型的输出进行约束,提高训练过程的稳定性,与其他算法相比,预测偏差中位数和均值精度提升超过54.4%,表明可用该代理模型计算结果近似仿真模型的输出结果。该研究为降低液压桩锤能量损耗、提高液压桩锤自动化作业水平,并推进无人化液压打桩锤相关研究提供一种解决方案。; 关键词液压打桩锤代理模型物理知识内嵌神经网络; Keywords hydraulic pile hammer surrogate model physics-informed neural network; 分类号 U443.156 [建筑科学]; 在线阅读下载PDF 职称材料

题名深度学习在边界层流动稳定性分析中的应用被引量：1: 4; 作者樊佳坤姚方舟黄江涛徐家宽乔磊白俊强; 机构西北工业大学航空学院西安航天动力技术研究所中国空气动力研究与发展中心空天技术研究所西北工业大学无人系统技术研究院; 出处《空气动力学学报》 CSCD 北大核心 2024年第3期30-46,共17页; 基金国家自然科学基金(12102361) 中央高校基本科研业务费(G2021KY05101)。; 文摘基于线性稳定性理论(linear stability theory,LST)的e^(N)方法是边界层转捩预测中比较可靠的方法之一。为了将传统LST特征值问题的求解过程大幅度简化和自动化,使用卷积神经网络(convolutional neural network,CNN)在边界层相似性解的LST分析样本集上进行训练,针对流向和横流不稳定性,分别在自然层流翼型和无限展长后掠翼上预测扰动的当地增长率、N因子和转捩位置,结果与标准LST一致性良好;验证了CNN可以将边界层剖面速度型导数信息编码为满足伽利略不变性的标量特征,在翼型边界层中起到了表征压力梯度的作用,在后掠翼边界层中起到了表征横流强度的作用;在CNN对LST特征值预测的基础上,以LST控制方程、边界条件和平凡解惩罚项构造总损失函数来训练内嵌物理信息神经网络(physics-informed neural network,PINN),实现了在不依赖样本的情况下对LST特征函数的准确预测,结果表明PINN可以为LST的特征函数问题提供有效的建模方法。; 关键词线性稳定性理论 e^(N)方法卷积神经网络内嵌物理信息神经网络流向不稳定性横流不稳定性; Keywords linear stability theory e^(N)method convolutional neural network physics-informed neural network streamwise instability crossflow instability; 分类号 V211 [航空宇航科学与技术—航空宇航推进理论与工程] V411 [航空宇航科学与技术—航空宇航推进理论与工程] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于PINN的复合材料自动铺放轨迹整体规划被引量：2: 5; 作者林静明许可; 机构南京航空航天大学机电学院; 出处《南京航空航天大学学报》 CAS CSCD 北大核心 2023年第5期914-923,共10页; 基金国家自然科学面上基金(52175466)。; 文摘自动纤维铺放能有效地提高复材构件的制造效率和质量。为满足复材构件的力学性能要求及铺放质量要求,在给定曲面目标域内生成铺放轨迹时需要同时考虑转弯半径、纤维角偏差以及轨迹间距等工艺指标。现有铺放轨迹规划方法大多在对基准轨迹进行优化后,通过路径密化生成铺放轨迹。这仅能保证所生成的轨迹满足单一要求,难以整体满足多个优化目标。为实现多优化目标下的复合材料自动铺放轨迹整体规划,本文将轨迹规划问题转换成为目标域内的泛函优化问题,利用内嵌物理知识神经网络(Physics-informed neural network,PINN)实现目标函数的求解,并提取目标函数的等值线作为轨迹规划的结果。相较于现有策略,本文提出的方法能整体兼顾轨迹的方向性、可铺性以及间隙质量,为实现先进复合材料自动铺放轨迹整体规划提供新思路。; 关键词复合材料自动铺放轨迹规划全局度量内嵌物理知识神经网络曲面参数化; Keywords automatic fiber placement path planning global metrics physics-informed neural network(PINN) surface parameterization; 分类号 TP391.7 [自动化与计算机技术—计算机应用技术] TB33 [一般工业技术—材料科学与工程]; 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	基于内嵌物理知识卷积神经网络的电力系统暂态稳定评估	陆旭张理寅李更丰别朝红段超	《电力系统自动化》 EI CSCD 北大核心	2024	13	在线阅读下载PDF 职称材料
2	基于神经网络的三阶拉曼放大光传输系统建模	陈佟邓黎王谦郭小溪徐健龙函黄超黄丽艳	《光通信研究》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于神经网络的液压打桩锤代理模型生成技术研究	刘亚俊陈文曾俊峰庞国达庞炬东魏智健陆扬	《机床与液压》	2025		在线阅读下载PDF 职称材料
4	深度学习在边界层流动稳定性分析中的应用	樊佳坤姚方舟黄江涛徐家宽乔磊白俊强	《空气动力学学报》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
5	基于PINN的复合材料自动铺放轨迹整体规划	林静明许可	《南京航空航天大学学报》 CAS CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料