基于内嵌物理机理神经网络的热传导方程的正问题及逆问题求解 被引量：11

1

作者 赵暾 周宇 +1 位作者 程艳青 钱炜祺 《空气动力学学报》 CSCD 北大核心 2021年第5期19-26,共8页

建立了一种基于内嵌物理机理神经网络(PINN)的热传导方程的正问题及逆问题求解方法。该方法利用自动微分技术将一维热传导方程嵌入到深度网络的损失函数中,通过以损失函数最小为目标来优化深度网络,求解一维热传导方程以及对方程中的未... 建立了一种基于内嵌物理机理神经网络(PINN)的热传导方程的正问题及逆问题求解方法。该方法利用自动微分技术将一维热传导方程嵌入到深度网络的损失函数中,通过以损失函数最小为目标来优化深度网络,求解一维热传导方程以及对方程中的未知导热系数进行辨识。随后,分析了基于PINN求解正问题的收敛精度以及参数辨识的鲁棒性,并得出以下结论:在给定网络结构的情况下,基于PINN求解一维热传导方程的收敛误差在样本点数较少时主要由采样误差主导,而当样本点数较多时,收敛误差由优化误差主导;由于损失函数中包含了方程相关的正则化项,以及采用了自动微分技术,因此,基于PINN的参数辨识方法噪声标签数据具有较强的鲁棒性。 展开更多

关键词 基于内嵌物理机理神经网络 热传导方程 正问题及逆问题 收敛精度 鲁棒性

在线阅读 下载PDF 职称材料

参数化物理内嵌神经网络求解稳态单能中子扩散解集

2

作者 谢宇辰 马宇 王亚辉 《原子能科学技术》 EI CAS CSCD 北大核心 2024年第6期1242-1249,共8页

物理内嵌神经网络(PINN)是一种结合了物理学知识的深度学习方法,近年开始被用于计算核工程领域中的堆芯中子问题。然而,PINN在求解不同问题时的网络不可复用性极大地影响了该方法的使用价值和效率。为了解决网络不可复用性问题,提出了... 物理内嵌神经网络(PINN)是一种结合了物理学知识的深度学习方法,近年开始被用于计算核工程领域中的堆芯中子问题。然而,PINN在求解不同问题时的网络不可复用性极大地影响了该方法的使用价值和效率。为了解决网络不可复用性问题,提出了一种基于参数化PINN的方法,开发了一种新型的中子扩散物理方程的代理模型。该代理模型具有很高的灵活性和效率,可以在无样本的前提下,快速给出任意给定参数中子扩散问题的解。此外,比较了边界软约束和硬约束下参数化PINN的代理模型预测精度。最后,验证了硬约束PINN代理模型相较于有限元计算软件的加速能力。结果表明,硬约束下的PINN代理模型具有更高的预测精度,且加速比在1000以上。 展开更多

关键词 物理内嵌神经网络 中子扩散 代理模型

在线阅读 下载PDF 职称材料

基于物理信息神经网络的生物质气化产物分布预测方法 被引量：2

3

作者 邓志平 任少君 +2 位作者 翁琪航 朱保宇 司风琪 《动力工程学报》 CAS CSCD 北大核心 2024年第5期719-726,共8页

机器学习方法已经在生物质气化建模中展现出广阔的应用前景。然而,机器学习模型主要依赖于实验数据,并不考虑气化中的反应机理,在数据样本不充分的情况下模型所表现出的实际关联特性与机理规律之间存在严重偏差。为此,提出一种基于物理... 机器学习方法已经在生物质气化建模中展现出广阔的应用前景。然而,机器学习模型主要依赖于实验数据,并不考虑气化中的反应机理,在数据样本不充分的情况下模型所表现出的实际关联特性与机理规律之间存在严重偏差。为此,提出一种基于物理信息神经网络(PINN)的生物质气化产物分布预测方法,该方法将真实实验数据与先验机理进行无缝衔接,在人工神经网络(ANN)模型中嵌入边界约束和关键参数间的单调性关系,通过自动微分技术进行辅助优化,实现模型的高效训练。结果表明:PINN模型的决定系数大于0.89,均方根误差小于4%,其总体预测精度要优于随机森林(RF)、支持向量机(SVM)和ANN 3种纯拟合机器学习模型;PINN模型能够严格服从边界约束和先验机理单调性关系,表现出更好的可解释性和泛化能力。 展开更多

关键词 生物质气化 机器学习模型 物理信息神经网络 机理约束

在线阅读 下载PDF 职称材料

基于内嵌物理约束神经网络模型的航空发动机数字工程模型 被引量：2

4

作者 林志富 肖洪 +1 位作者 王占学 张晓博 《推进技术》 EI CAS CSCD 北大核心 2023年第11期49-60,共12页

基于数字化模型的航空发动机故障诊断与健康管理系统是航空发动机数字化智能化的重要应用,用于航空发动机状态监测和性能预估的数字化模型是健康管理系统的核心之一。本文给出了一种融合航空发动机领域知识与神经网络模型的策略,构建了... 基于数字化模型的航空发动机故障诊断与健康管理系统是航空发动机数字化智能化的重要应用,用于航空发动机状态监测和性能预估的数字化模型是健康管理系统的核心之一。本文给出了一种融合航空发动机领域知识与神经网络模型的策略,构建了内嵌物理约束的神经网络架构,基于该架构建立了用于航空发动机推力预估的数字模型。此外,给出了一种特征筛选方式,并利用不同数据集对模型进行了验证。计算结果表明:数字模型推力预估的平均相对误差和峰值相对误差均小于常规神经网络模型。在一定的模型规模下,基于架构的数字模型的峰值相对误差仅为常规神经网络模型的1/4。通过物理约束,克服了数据驱动模型对大数据的依赖,指导了神经网络层的超参数设置。 展开更多

关键词 航空发动机 数字工程模型 内嵌物理约束神经网络 性能参数预估 特征处理

在线阅读 下载PDF 职称材料

油藏动态预测的物理信息神经网络方法研究

5

作者 潘晓甜 张春晓 +1 位作者 马含含 侯梦瑶 《石油化工应用》 CAS 2023年第12期11-14,共4页

就油气田开发而言,深度学习在产量预测、饱和度预测、数值模拟等问题已经得到了广泛应用。但是,基于纯数据驱动的深度学习预测模型,存在着泛化能力较弱,数据需求量大等问题,这些问题限制了其在油藏开发动态预测方面的应用。对此,本文介... 就油气田开发而言,深度学习在产量预测、饱和度预测、数值模拟等问题已经得到了广泛应用。但是,基于纯数据驱动的深度学习预测模型,存在着泛化能力较弱,数据需求量大等问题,这些问题限制了其在油藏开发动态预测方面的应用。对此,本文介绍了一种基于油藏渗流力学和数据驱动的深度学习神经网络模型,首先通过大量的文献调研,综述出物理信息神经网络(PINN)方法的国内外现状,总结PINN的机理,同时对基于PINN预测效果的影响因素进行了分析,为使用PINN方法对油藏动态预测提供一定的指导意义,同时也为油藏动态预测研究提供了理论依据与方向。 展开更多

关键词 油藏动态预测 物理信息神经网络 机理 技术研究

在线阅读 下载PDF 职称材料

工业互联网中数字孪生系统的机理+数据融合建模方法 被引量：2

6

作者 李硕 刘天源 +2 位作者 黄锋 解鑫 张金义 《信息通信技术与政策》 2022年第10期52-61,共10页

工业互联网的快速发展为学术界以及工业界带来了新型研发范式——数据密集型科学发现,融合物理机理以及数据驱动的建模方法是其中的研究热点之一,这种方式可以充分发挥机理仿真可解释性和泛化能力强、数据驱动模型灵活性和可学习的优势... 工业互联网的快速发展为学术界以及工业界带来了新型研发范式——数据密集型科学发现,融合物理机理以及数据驱动的建模方法是其中的研究热点之一,这种方式可以充分发挥机理仿真可解释性和泛化能力强、数据驱动模型灵活性和可学习的优势,为未来数字孪生系统提供高效、灵活的工具和方法。通过聚焦于工业互联网中构建数字孪生系统的机理+数据融合建模方法,首先阐述了基本数学原理以及建模方法,并对比了机理+数据融合建模与传统数据模型、机理模型的区别;然后从模型选择、物理机理约束以及实际任务需求3个角度详细给出了机理+数据融合建模方法的构造过程,总结了目前学术界的最新研究进展;最后介绍了国内外关于机理+数据融合建模方法在工业设备设计优化、生产制造、运行维护方面的实际落地应用场景。 展开更多

关键词 深度学习 机理仿真 数据驱动 物理启发神经网络 数字孪生

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

7

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... 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。 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

人工智能促进数据中心绿色节能研究 被引量：3

8

作者 陈晓朋 许可欣 梁宇栋 《信息通信技术与政策》 2024年第2期33-39,共7页

为应对全球气候变化和实现绿色发展,我国提出碳达峰碳中和发展目标,绿色发展已成为数据中心建设运营的主旋律。基于人工智能等新一代信息技术促进数据中心节能的理论与实践,分析了多种人工智能技术在数据中心节能方面的应用。在此基础上... 为应对全球气候变化和实现绿色发展,我国提出碳达峰碳中和发展目标,绿色发展已成为数据中心建设运营的主旋律。基于人工智能等新一代信息技术促进数据中心节能的理论与实践,分析了多种人工智能技术在数据中心节能方面的应用。在此基础上,提出了数据中心人工智能节能系统的部署趋势,并给出了以创新技术推动行业绿色节能发展的思考与建议。 展开更多

关键词 人工智能节能 绿色创新发展 机器学习 神经网络 物理机理模型

在线阅读 下载PDF 职称材料

基于PINN模型的导弹气动特性快速预测技术 被引量：1

9

作者 蔺佳哲 周岭 +2 位作者 武频 袁雯琰 周铸 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2023年第10期2669-2678,共10页

随着内嵌物理机理神经网络(PINN)模型的兴起,PINN模型开始应用于许多学科领域。为了实现导弹气动特性的快速预测,借助工程算法,构建了导弹气动数据集,以此训练导弹气动特性预测模型,包含基于多任务学习的神经网络(MTLNN)模型及在MTLNN... 随着内嵌物理机理神经网络(PINN)模型的兴起,PINN模型开始应用于许多学科领域。为了实现导弹气动特性的快速预测,借助工程算法,构建了导弹气动数据集,以此训练导弹气动特性预测模型,包含基于多任务学习的神经网络(MTLNN)模型及在MTLNN模型基础上内嵌物理知识的PINN模型。数值模拟通过选取测试集,对比了MTLNN模型和PINN模型的预测效果,结果表明:PINN模型的预测精度较高,且基本控制在1%以内。探究PINN模型的泛化能力,测试集选取导弹气动数据集包络范围之外的数据,PINN模型预测精度仍然高于MTLNN模型。由于PINN模型引入了气动特性参数之间的物理机理,模型对训练样本数量的依赖程度降低,可以进一步节约数据获取成本,为导弹优化设计提供有力工具。 展开更多

关键词 内嵌物理机理神经网络 导弹 气动特性 快速预测 数据驱动

在线阅读 下载PDF 职称材料

高韧性尼龙6-聚氧化乙烯醚复合材料制备及复合形式对合成及结构性能影响

10

作者 刘玲利 徐胜 +5 位作者 叶林 龚玉敏 罗琦 黄东旭 梅伟 顾雯叶 《高分子材料科学与工程》 EI CAS CSCD 北大核心 2019年第4期166-173,共8页

分别通过物理分散和化学嵌段形式将柔性端氨基聚氧化乙烯醚(PEA)引入尼龙6(PA6)体系制备了PA6/PEA共混物和PA6-b-PEA共聚物。研究发现,PEA的引入使得聚合反应活性降低,活化能增大,共聚体系中PEA-TDI大分子引发剂的长链效应和位阻效应对... 分别通过物理分散和化学嵌段形式将柔性端氨基聚氧化乙烯醚(PEA)引入尼龙6(PA6)体系制备了PA6/PEA共混物和PA6-b-PEA共聚物。研究发现,PEA的引入使得聚合反应活性降低,活化能增大,共聚体系中PEA-TDI大分子引发剂的长链效应和位阻效应对聚合反应的延缓作用更明显。当复合材料中PEA含量相同时,共混体系的结晶性能优于共聚体系,而当嵌段的PEA含量较高时,共聚体系形成少量γ晶。随PEA含量增加,PA6-PEA复合材料的弹性平台和应变硬化现象愈加明显。嵌段的柔性PEA链段使共聚分子链排列不再规整,分子链运动能力大幅提升,从而使PA6-b-PEA共聚物具有高抗冲击性,其冲击断面产生大形变和"毛发"结构,呈现韧性断裂特征。 展开更多

关键词 物理分散 化学嵌段 聚合动力学 结晶行为 增韧机理

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

11

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... 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。 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

基于燃煤智能发电平台ICS的智能报警模型应用分析 被引量：4

12

作者 田景奇 冯树臣 +3 位作者 孙同敏 杨如意 胡勇 赵俊杰 《能源科技》 2022年第4期36-41,共6页

针对燃煤火力发电站,基于智能发电平台ICS,搭建智能报警模块,开发基于斜率变化算法、设备健康度打分算法、基于大数据学习的期望值偏离算法、神经网络算法、逻辑故障树和专家知识库诊断、物理机理模型的智能报警应用,提升机组提前发现... 针对燃煤火力发电站,基于智能发电平台ICS,搭建智能报警模块,开发基于斜率变化算法、设备健康度打分算法、基于大数据学习的期望值偏离算法、神经网络算法、逻辑故障树和专家知识库诊断、物理机理模型的智能报警应用,提升机组提前发现缺陷和预警故障能力,提高火力发电的主动安全性。结果表明:开发智能报警应用的算法至少包括3大类8种模型,3大类模型包括专家经验模型、纯数据分析模型、物理机理模型。在国电内蒙古东胜热电有限公司1号机组ICS中,应用了6300多例参数变化率异常预警,1000多条基于大数据分析和神经网络算法自学习出来的各工况下标准参数和期望区间,300种典型的逻辑故障树。基于3大类、8种模型的复合型智能报警和预警系统功能强大,能带来安全水平提升和可观的经济收益。 展开更多

关键词 ICS 智能诊断与报警 逻辑故障树 深度神经网络学习算法 物理机理模型

在线阅读 下载PDF 职称材料