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
共找到3,955篇文章
< 1 2 … 198 >
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：
基于物理信息神经网络求解燃烧问题
1
作者 刘诗雨 王海鸥 +1 位作者 罗坤 樊建人 《燃烧科学与技术》 北大核心 2025年第3期245-254,共10页
提出基于物理信息神经网络(physics-informed neural networks,PINNs)框架求解燃烧问题.考虑三类不同燃烧问题来评估模型性能:零维绝热恒压反应器、一维层流预混自由传播火焰和二维层流非预混三叉火焰.结果表明,在零维和一维问题中,PINN... 提出基于物理信息神经网络(physics-informed neural networks,PINNs)框架求解燃烧问题.考虑三类不同燃烧问题来评估模型性能:零维绝热恒压反应器、一维层流预混自由传播火焰和二维层流非预混三叉火焰.结果表明,在零维和一维问题中,PINNs可以实现不同燃烧工况模拟,准确预测着火延迟时间或层流火焰速度.在二维问题中,PINNs能够较好预测速度,组分质量分数、温度等变量分布、准确捕捉火焰结构.本文工作发掘了PINNs应用于实际燃烧问题的潜力,为结合物理信息约束的燃烧模型开发提供了新的思路和方法. 展开更多
关键词 基于物理信息神经网络 多类燃烧场景 燃烧
在线阅读 下载PDF
基于物理信息神经网络的颅内动脉瘤血流动力学模拟
2
作者 张雯 石添鑫 +3 位作者 陈师尧 程云章 吕楠 张明伟 《医用生物力学》 北大核心 2025年第3期741-748,共8页
目的 使用基于物理信息神经网络(physics-informed neural network,PINN)的模型预测颅内动脉瘤血流动力学,解决传统计算流体动力学(computational fluid dynamics,CFD)仿真耗时长、计算成本高的问题。方法 仅使用临床患者CFD数据中的计... 目的 使用基于物理信息神经网络(physics-informed neural network,PINN)的模型预测颅内动脉瘤血流动力学,解决传统计算流体动力学(computational fluid dynamics,CFD)仿真耗时长、计算成本高的问题。方法 仅使用临床患者CFD数据中的计算域坐标和稀疏速度测量点训练PINN模型,并比较PINN模型预测的血流速度、压力和壁面剪切应力(wall shear stress,WSS)与CFD仿真结果的差异。结果 利用该方法在4个不同患者数据上进行测试与验证,模型在速度预测中的平均绝对误差(mean absolute error,MAE)、平均相对误差(mean relative error,MRE)、均方误差(mean squared error,MSE)分别为4.60%、6.61%、0.229%。对于WSS预测,平均MAE、MRE、MSE分别为5.54%、8.58%、0.510%。PINN模型在不同动脉瘤模型上有较好的泛化性,且能将血流动力学的计算时间从数小时压缩至数秒。结论 PINN模型能够在边界条件未知且测量数据稀疏的情况下,通过物理约束有效地补偿不完整的测量信息,快速并准确模拟颅内动脉瘤的血流动力学情况。本文建立的方法有望在颅内动脉瘤临床风险预测中提供有效的辅助支持。 展开更多
关键词 物理信息神经网络 计算流体动力学 颅内动脉瘤 血流动力学
在线阅读 下载PDF
基于物理信息神经网络的金属多轴疲劳寿命预测进展 被引量：2
3
作者 张颛利 孙兴悦 陈旭 《机械强度》 北大核心 2025年第2期44-52,共9页
材料的多轴疲劳寿命预测研究是保证部件结构完整性的关键要素之一。近年来机器学习尤其是神经网络在疲劳寿命预测领域得到了广泛应用。然而,疲劳数据的不足阻碍了神经网络在疲劳预测中的进一步应用。为了解决这一问题,考虑疲劳先验物理... 材料的多轴疲劳寿命预测研究是保证部件结构完整性的关键要素之一。近年来机器学习尤其是神经网络在疲劳寿命预测领域得到了广泛应用。然而,疲劳数据的不足阻碍了神经网络在疲劳预测中的进一步应用。为了解决这一问题,考虑疲劳先验物理知识的物理信息神经网络逐渐受到关注。首先,概述了机器学习算法的分类及神经网络模型在多轴疲劳寿命预测中的应用。随后,重点对基于物理信息神经网络的材料疲劳寿命预测研究进行了深入探讨。最后,从基于物理信息的输入特征、基于物理信息的损失函数构建和基于物理信息的网络框架开发等3个方面对物理信息神经网络模型的发展进行介绍。相关研究表明,在材料多轴疲劳寿命预测过程中,物理信息神经网络可以表现出更好的物理一致性和预测性能。 展开更多
关键词 物理信息神经网络 多轴疲劳 寿命预测 机器学习
在线阅读 下载PDF
基于物理信息神经网络的航空发动机叶片高周疲劳剩余寿命预测方法
4
作者 张羽 刘佩 +3 位作者 刘庆成 韩可欣 王维民 高金吉 《振动工程学报》 北大核心 2025年第6期1190-1198,共9页
叶片作为航空发动机核心部件,其结构完整性直接决定发动机的性能与飞行安全。在高温、高压及高速旋转等极端工况下,叶片易在复杂应力场作用下产生微裂纹,一旦裂纹扩展、叶片发生断裂,将引发连锁破坏,构成重大安全隐患。基于损伤容限理念... 叶片作为航空发动机核心部件,其结构完整性直接决定发动机的性能与飞行安全。在高温、高压及高速旋转等极端工况下,叶片易在复杂应力场作用下产生微裂纹,一旦裂纹扩展、叶片发生断裂,将引发连锁破坏,构成重大安全隐患。基于损伤容限理念,叶片在出现裂纹后仍能维持安全运行的临界时长被界定为剩余寿命(remaining useful life,RUL)。为此,本文提出一种基于Paris裂纹扩展定律与物理信息神经网络(physics-informed neural network,PINN)融合的机理-数据双驱动的剩余寿命预测方法。该方法通过构建包含物理约束的损失函数,对神经网络梯度进行正则化约束,在实现裂纹扩展参数逆向辨识的同时,有效提升了模型在有限监测数据条件下的预测准确性。针对航发叶片与CT试样,相较于传统物理模型与数据驱动方法,本文方法动态更新特征参数以适应系统的变化,在有限样本条件下的预测误差显著降低。此外,本文所构建的PINN模型具有轻量化特性与快速推理能力,可以满足在线监测与预测性维护的需求,为航空发动机健康管理和智能运维提供了一种技术路径。 展开更多
关键词 剩余寿命 疲劳寿命预测 疲劳裂纹扩展 物理信息神经网络 航空发动机叶片
在线阅读 下载PDF
基于物理信息神经网络的多介质非线性瞬态热传导问题研究
5
作者 陈豪龙 唐欣越 +2 位作者 王润华 周焕林 柳占立 《力学学报》 北大核心 2025年第1期89-102,共14页
文章基于物理信息神经网络(physics-informed neural network,PINN)求解多介质非线性瞬态热传导问题.根据多介质热物性参数的不同,将求解区域划分成多个子域,在每个子域中单独应用PINN,不同子域通过公共界面的通量连续性条件相联系.利... 文章基于物理信息神经网络(physics-informed neural network,PINN)求解多介质非线性瞬态热传导问题.根据多介质热物性参数的不同,将求解区域划分成多个子域,在每个子域中单独应用PINN,不同子域通过公共界面的通量连续性条件相联系.利用偏微分方程、初始条件、边界条件和子域间公共界面连续性条件的残差构建损失函数.通过自动微分算法计算偏微分方程中温度对各输入变量的偏导数.利用链式求导法计算损失函数对权重和偏差的梯度,再根据梯度下降法更新网络参数.为了加速网络收敛,在激活函数中引入训练参数,通过调节激活函数斜率,使网络具有自适应性.文章探讨了PINN在求解多介质非线性瞬态热传导问题中的适用性,并进一步讨论了不同激活函数、学习率、网络结构和损失函数中的各项权重等对PINN计算结果的影响.计算结果表明,PINN在求解多介质非线性瞬态热传导问题时仍具有较高的可靠性和较简洁的求解流程,且不需要对求解域进行人为的前处理,有一定工程应用可行性.文章通过系统的理论分析和数值验证,充分展示了PINN解决复杂热传导问题的可靠性. 展开更多
关键词 物理信息神经网络 非线性瞬态热传导问题 多介质 自适应激活函数
在线阅读 下载PDF
基于物理信息神经网络的地震波阻抗反演方法综述
6
作者 宋操 陆文凯 +5 位作者 耿伟恒 段旭东 王钰清 王琦 马绮铭 李尹硕 《石油物探》 北大核心 2025年第4期595-621,共27页
地震波阻抗反演是地震勘探领域的重要研究方向之一,其目标是利用地震数据定量预测地下介质的波阻抗。近年来,随着人工智能技术的快速发展,国内外学者提出了多种基于深度学习的地震波阻抗反演方法。这些方法将物理定律、经验公式及专家... 地震波阻抗反演是地震勘探领域的重要研究方向之一,其目标是利用地震数据定量预测地下介质的波阻抗。近年来,随着人工智能技术的快速发展,国内外学者提出了多种基于深度学习的地震波阻抗反演方法。这些方法将物理定律、经验公式及专家先验知识等地球物理信息融入深度网络,从不同角度降低反演问题的多解性,并增强其物理可解释性。对这些方法进行了研究和总结,从3个角度引入地球物理信息,分别为:①设计嵌入地球物理知识的网络结构;②施加数据约束;③构建多目标损失函数。其中,嵌入地球物理知识的网络结构包括:正演物理模型模块、反射系数反演模型模块、地震数据的时空特征表征模块和人工合成与实际数据的域适应模块。数据约束包括:通过人工合成多样化的样本训练深度网络和量化先验知识输入网络。多目标损失函数中引入基于地球物理信息的正则化项,包括:闭环损失、生成对抗损失、动态时间规整损失、空间构造损失和不确定性损失。上述3种策略可以从不同角度降低反演的多解性,提升反演的可靠性。最后,对基于深度学习的地震波阻抗反演方法做出展望:①利用多模态大模型的强大理解能力和知识推理能力,采用多模态数据提升反演模型的泛化性;②利用多模型拟合并结合物理信息神经网络,将反演建模的“一对多”问题转化为每个地震相分割单元内的“一对一”问题,降低地震波阻抗反演问题的多解性。 展开更多
关键词 地震反演 多解性 深度学习 物理信息神经网络 多目标损失函数
在线阅读 下载PDF
基于物理信息神经网络的长距离顶管施工顶力预测 被引量：1
7
作者 李博 刘宇翔 +2 位作者 陈建国 杨耀红 张哲 《人民长江》 北大核心 2025年第1期147-155,共9页
长距离顶管施工过程中,准确预测顶力是有效控制施工安全质量及进度的关键问题。基于知识数据融合的机器学习建模方法,将顶力计算物理模型与多层感知机相融合,构建了物理-数据双驱动的物理信息神经网络模型(PINN),用物理机制约束神经网... 长距离顶管施工过程中,准确预测顶力是有效控制施工安全质量及进度的关键问题。基于知识数据融合的机器学习建模方法,将顶力计算物理模型与多层感知机相融合,构建了物理-数据双驱动的物理信息神经网络模型(PINN),用物理机制约束神经网络的训练机制,并引入改进的麻雀搜索算法(ISSA)对模型超参数取值进行优化,建立了ISSA-PINN顶管施工顶力预测模型;以河南省郑开同城东部供水工程顶管施工为例,选取524组工程实测数据验证了模型的有效性。计算结果表明:ISSA-PINN模型具有较高的预测精度,相较于单纯数据驱动模型,在测试集和新数据集中的预测性能分别提升了0.07和0.17,说明物理模型的融入对降低机器模型的过拟合风险和提高泛化能力有积极影响;相比于SSA和粒子群算法,ISSA算法寻优速度更快、适应度更好。研究结果可为顶管工程施工顶力控制提供参考。 展开更多
关键词 顶管施工 顶力预测 物理信息神经网络(PINN) 改进麻雀搜索算法(ISSA)
在线阅读 下载PDF
基于物理信息神经网络的水库调度研究
8
作者 王飞龙 胡挺 肖扬帆 《水电能源科学》 北大核心 2025年第4期213-216,共4页
传统的水库调度智能模型多是以前馈神经网络或循环神经网络为代表的黑箱模型,模型的可解释性较差,缺乏内部规律的探索。因此,基于物理神经网络基本原理,结合水库调度方程,以出库流量误差及出力误差之和为模型总误差,建立了包含水库调度... 传统的水库调度智能模型多是以前馈神经网络或循环神经网络为代表的黑箱模型,模型的可解释性较差,缺乏内部规律的探索。因此,基于物理神经网络基本原理,结合水库调度方程,以出库流量误差及出力误差之和为模型总误差,建立了包含水库调度方程的物理机制神经网络,并以向家坝水库为例,对比了不含水库调度方程的神经网络,讨论了模型隐藏层数及隐藏层神经元个数对模型精度的影响。结果表明,包含水库调度方程的神经网络模型验证效果优于一般前馈神经网络,验证误差率为3%,隐藏层数和神经元个数太少会导致模拟效果较差,而太多的隐藏层数和神经元个数可能对模型精度提升不大,选择合适的隐藏层数和神经元个数是提高模型精度的手段之一。 展开更多
关键词 水库调度 物理约束 物理信息神经网络 前馈神经网络 PDE
在线阅读 下载PDF
基于物理信息神经网络的实时混合试验方法
9
作者 龚建勋 杨格 沈晗瑞 《地震工程与工程振动》 北大核心 2025年第3期158-167,共10页
实时混合试验是一种对含速度相关型构件的结构开展抗震性能研究的重要试验方法。然而,目前的实时混合试验面临着数值子结构计算效率难以满足实时性的挑战,限制了该方法在大型工程结构抗震试验中的应用。为了提高数值子结构的计算效率,... 实时混合试验是一种对含速度相关型构件的结构开展抗震性能研究的重要试验方法。然而,目前的实时混合试验面临着数值子结构计算效率难以满足实时性的挑战,限制了该方法在大型工程结构抗震试验中的应用。为了提高数值子结构的计算效率,提出了适用于实时混合试验的物理信息神经网络,实现了神经网络代理模型实时混合试验方法。首先,基于不同物理约束方程构建了神经网络模型;然后,通过有限元软件对2层含阻尼器框架结构进行了地震响应数值模拟,并利用这些模拟数据训练网络模型;最后,利用训练得到的物理信息神经网络开展了实时混合试验仿真。仿真结果表明,物理信息神经网络具备较高的预测精度,其中以恢复力作为损失函数的物理信息神经网络精度最高,基于物理信息神经网络代理模型的实时混合试验方法具备可行性。 展开更多
关键词 实时混合试验 物理信息神经网络 损失函数 代理模型 子结构
在线阅读 下载PDF
基于物理信息神经网络的牵引变流器直流支撑电容参数辨识方法
10
作者 向超群 尹雪瑶 +2 位作者 伍珣 曹忠林 刘元才 《电工技术学报》 EI CSCD 北大核心 2024年第15期4654-4667,共14页
为了解决车载牵引变流系统直流支撑电容器故障预测问题,该文提出一种基于物理信息神经网络的直流支撑电容器参数辨识方法。该方法只需要利用直流环节预充电过程的直流支撑电容器两端电压及采样频率,无需拟合曲线,无需严格对齐时间轴就... 为了解决车载牵引变流系统直流支撑电容器故障预测问题,该文提出一种基于物理信息神经网络的直流支撑电容器参数辨识方法。该方法只需要利用直流环节预充电过程的直流支撑电容器两端电压及采样频率,无需拟合曲线,无需严格对齐时间轴就可以获得较为准确的电容参数辨识结果。与此同时,为了克服在采集数据时因条件所限造成的数据量稀疏与分布不均问题,该文利用循环一致性生成对抗网络算法增强数据,使该方法可以适用于同一拓扑下宽范围电容区间的电容容值预测,降低了模型训练要求。实验结果表明:在正常条件下,该方法的辨识相对误差约在1%以下,并且降低采样频率能够缓解信噪比对该方法的影响。该方法为解决直流支撑电容参数辨识问题提供了新思路。 展开更多
关键词 直流支撑电容器 参数辨识 物理信息神经网络 循环一致性生成对抗网络 直流 环节预充电工况
在线阅读 下载PDF
基于物理信息神经网络的同步发电机建模 被引量：2
11
作者 杨珂 王鑫 +2 位作者 凌佳杰 耿光超 江全元 《中国电机工程学报》 EI CSCD 北大核心 2024年第12期4924-4932,I0027,共10页
采用物理机理建立的同步发电机模型在表达发电机真实的非线性特性方面存在不足,电力系统正在不断研究和采纳新的同步发电机模型以增强模型的准确性。数据驱动模型具有更强的非线性表达能力,但在同步发电机建模实际应用中面临着模型泛化... 采用物理机理建立的同步发电机模型在表达发电机真实的非线性特性方面存在不足,电力系统正在不断研究和采纳新的同步发电机模型以增强模型的准确性。数据驱动模型具有更强的非线性表达能力,但在同步发电机建模实际应用中面临着模型泛化性不强和所需数据量大等问题。为克服上述问题,该文结合神经元建模原理,以循环神经网络为基本框架,在同步发电机物理机理的引导下,提出基于物理信息神经网络的同步发电机模型。经过算例验证,所提模型可准确表达同步发电机磁饱和特性,并且具有较强的泛化性。该模型可在小规模数据下对同步发电机各阶模型达到更高的拟合准确度,并可应用于现有机电暂态仿真算法。 展开更多
关键词 物理信息神经网络 数据驱动 同步发电机 磁饱和效应
在线阅读 下载PDF
基于物理信息神经网络的非线性瞬态热传导正/反问题研究 被引量：3
12
作者 陈豪龙 唐欣越 +1 位作者 柳兆涛 周焕林 《重庆大学学报》 CAS CSCD 北大核心 2024年第12期124-136,共13页
基于物理信息神经网络(physics-informed neuralnetworks,PINN)求解非线性瞬态热传导问题并识别随温度变化的导热系数。首先,基于热传导问题的控制方程,利用初始条件和边界条件,构建损失函数。然后,应用自动微分算法求解控制方程中温度... 基于物理信息神经网络(physics-informed neuralnetworks,PINN)求解非线性瞬态热传导问题并识别随温度变化的导热系数。首先,基于热传导问题的控制方程,利用初始条件和边界条件,构建损失函数。然后,应用自动微分算法求解控制方程中温度的偏导数。使用梯度下降算法,更新网络参数,最小化损失函数,实现热传导正问题的求解,并讨论了不同隐藏层数、神经元数量和域内数据点数量对计算结果的影响。最后,采用PINN识别随温度变化的导热系数,利用控制方程、测量温度和计算温度的残差构建损失函数,通过梯度下降算法,更新网络参数和导热系数,使其逼近于精确解,并比较了不同的测点数量和测量误差对计算结果的影响。结果表明,PINN能够有效求解非线性瞬态热传导问题并识别与温度相关的导热系数。 展开更多
关键词 反问题 热传导问题 导热系数识别 物理信息神经网络 自动微分算法
在线阅读 下载PDF
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
13
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
基于物理信息神经网络的燃煤锅炉NO_x排放浓度预测方法 被引量：5
14
作者 任少君 朱保宇 +2 位作者 翁琪航 邓志平 司风琪 《中国电机工程学报》 EI CSCD 北大核心 2024年第20期8157-8165,I0020,共10页
准确的NO_(x)浓度预测对保障燃煤锅炉安全运行和降低污染物排放具有重要意义。基于机器学习的NO_x排放浓度预测方法计算速度快、拟合精度高,但缺少可解释性,且过度依赖训练样本,在样本不充分的情况下模型泛化能力差。为此,该文提出一种... 准确的NO_(x)浓度预测对保障燃煤锅炉安全运行和降低污染物排放具有重要意义。基于机器学习的NO_x排放浓度预测方法计算速度快、拟合精度高,但缺少可解释性,且过度依赖训练样本,在样本不充分的情况下模型泛化能力差。为此,该文提出一种基于物理信息神经网络的燃煤锅炉NO_x排放浓度预测方法,将煤量、氧量、分离燃尽风(separated overfireair,SOFA)开度与NO_x排放浓度之间的单调关系嵌入到神经网络中,促使模型服从机理约束,避免机器学习过拟合或欠拟合,提升模型在锅炉宽工况条件下的准确性。以某660 MW燃煤锅炉为研究对象,算例分析表明,提出的预测方法明显优于随机森林、支持向量机和神经网络等常规机器学习方法,即使在未知工况下也能遵循参数间单调性关系,具有较好的可解释性和泛化能力。 展开更多
关键词 NO_x排放预测 燃煤锅炉 机器学习 物理信息神经网络 单调性
在线阅读 下载PDF
基于物理信息神经网络的气膜冷却湍流模型反演学习 被引量：1
15
作者 张振 苏欣荣 袁新 《动力工程学报》 CAS CSCD 北大核心 2024年第9期1459-1465,共7页
由于气膜冷却问题中湍流的复杂特性,传统雷诺平均(RANS)方法会低估湍流的热扩散强度,导致冷却效果计算不准确。对此提出了一套基于物理信息神经网络(PINN)的湍流建模框架,基于RANS流场和大涡模拟(LES)温度场,建立了数据驱动的湍流普朗... 由于气膜冷却问题中湍流的复杂特性,传统雷诺平均(RANS)方法会低估湍流的热扩散强度,导致冷却效果计算不准确。对此提出了一套基于物理信息神经网络(PINN)的湍流建模框架,基于RANS流场和大涡模拟(LES)温度场,建立了数据驱动的湍流普朗特数神经网络模型,在RANS求解器中嵌入该模型,可以动态调整湍流的热扩散强度,获得了与LES高度一致的温度场。结果表明:PINN是构建数据驱动湍流模型的良好方法,对于湍流普朗特数的建模可以有效提升RANS方法对温度预测的准确性。 展开更多
关键词 气膜冷却 物理信息神经网络 湍流普朗特数 机器学习 湍流模型
在线阅读 下载PDF
基于物理信息神经网络的光波衍射问题求解 被引量：2
16
作者 陈旭早 袁利军 《吉林大学学报（理学版）》 CAS 北大核心 2024年第2期423-430,共8页
用物理信息神经网络方法数值求解间断系数光波衍射问题.结果表明:用光滑函数近似间断系数可大幅度提高物理信息神经网络求解精度;用物理信息神经网络求解散射场比直接求解总场效果更好.最后通过数值实验验证理论结果的正确性.
关键词 物理信息神经网络 光波衍射 间断系数 光滑函数
在线阅读 下载PDF
基于物理信息神经网络的电磁场计算方法 被引量：3
17
作者 张宇娇 孙宏达 +2 位作者 赵志涛 徐斌 黄雄峰 《电工技术学报》 EI CSCD 北大核心 2024年第17期5251-5261,共11页
物理信息神经网络(PINNs)将偏微分方程(PDEs)及其定解条件编码进网络中,使PDEs残差最小化的同时逼近定解条件,实现PDEs的求解。由于电磁场计算时存在局部高梯度问题、含源方程引发的训练困难问题和高对比系数界面识别问题等,PINNs在用... 物理信息神经网络(PINNs)将偏微分方程(PDEs)及其定解条件编码进网络中,使PDEs残差最小化的同时逼近定解条件,实现PDEs的求解。由于电磁场计算时存在局部高梯度问题、含源方程引发的训练困难问题和高对比系数界面识别问题等,PINNs在用于电磁场方程求解时训练效率低、计算精度不高,因而目前应用较少。该文对于PINNs在电磁场中的训练困难问题进行理论分析,提出了针对电磁场PDEs形式和神经网络架构的修改方法,实现了基于PINNs的静电场和稳恒磁场求解,计算结果准确性较好。将该方法推广到方程更加复杂的频域涡流场求解中,求解结果表明PINNs可以在复杂的频域方程上保证良好的精度。该研究工作为实现电磁场快速计算提供了新思路。 展开更多
关键词 物理信息神经网络 电磁场数值计算 深度学习
在线阅读 下载PDF
基于物理信息神经网络的船舶螺旋桨尾流场重构 被引量：1
18
作者 侯先瑞 周星宇 黄骁骋 《上海交通大学学报》 EI CAS CSCD 北大核心 2024年第11期1654-1664,共11页
将物理信息神经网络(PINN)应用于船舶螺旋桨尾流场的重建.介绍了PINN的原理和基本框架;应用PINN求解Burgers方程,对PINN求解偏微分方程的可行性进行验证.利用计算流体力学(CFD)软件STAR CCM+对KVLCC2螺旋桨的敞水特性进行了数值模拟,得... 将物理信息神经网络(PINN)应用于船舶螺旋桨尾流场的重建.介绍了PINN的原理和基本框架;应用PINN求解Burgers方程,对PINN求解偏微分方程的可行性进行验证.利用计算流体力学(CFD)软件STAR CCM+对KVLCC2螺旋桨的敞水特性进行了数值模拟,得到了该桨在敞水中运动的流场信息.基于数值模拟得到的敞水桨流场特性信息,构造PINN训练样本集对PINN进行训练;训练后的PINN用于推断控制方程在任意时间和空间坐标的近似解.将PINN得到的速度和压力分布与STAR CCM+模拟的速度和压力分布进行了比较,对比结果验证了PINN在尾流场重建中的可靠性.研究结果表明,PINN可以应用于船舶螺旋桨尾流场的重建. 展开更多
关键词 物理信息神经网络 偏微分方程 流场信息 流场重构 螺旋桨
在线阅读 下载PDF
基于物理信息神经网络的混凝土破坏准则深度学习研究
19
作者 郭圣品 王辉明 《混凝土》 CAS 北大核心 2024年第9期28-34,共7页
混凝土破坏准则是工程结构设计和安全性评估的重要依据。结合一种新的深度学习框架--基于物理信息的深度学习神经网络,将混凝土破坏准则函数方程作为物理约束条件用来构造损失函数对应表征项,增加输入输出之间的物理信息驱动,更全面地... 混凝土破坏准则是工程结构设计和安全性评估的重要依据。结合一种新的深度学习框架--基于物理信息的深度学习神经网络,将混凝土破坏准则函数方程作为物理约束条件用来构造损失函数对应表征项,增加输入输出之间的物理信息驱动,更全面地反映各种因素之间的内在联系。利用大量试验数据,对深度学习模型进行训练,建立更为准确、适用性更广、更具泛化能力的混凝土破坏准则模型。结果表明:采用的物理信息深度学习神经网络模型,对混凝土破坏准则表达形式和参数有较好的优化识别能力和泛化能力,为规范修订、工程设计以及有限元数值模拟分析评估等提供参考。 展开更多
关键词 物理信息神经网络 深度学习 混凝土 破坏准则 结构安全性
在线阅读 下载PDF
基于物理信息神经网络的甲烷无氧芳构化反应的正反问题 被引量：1
20
作者 李依梦 陈运全 +2 位作者 何畅 张冰剑 陈清林 《化工进展》 EI CAS CSCD 北大核心 2024年第9期4817-4823,共7页
解决化学反应动力学建模的正问题和反问题研究有助于更深地理解反应机理,降低实验成本。本研究以一维填充床甲烷无氧芳构化(MDA)反应为案例,利用物理信息神经网络(PINN)将化学反应机理方程耦合到损失函数中,以此构建动力学建模和参数反... 解决化学反应动力学建模的正问题和反问题研究有助于更深地理解反应机理,降低实验成本。本研究以一维填充床甲烷无氧芳构化(MDA)反应为案例,利用物理信息神经网络(PINN)将化学反应机理方程耦合到损失函数中,以此构建动力学建模和参数反演的求解框架。首先,通过正问题求解确定最佳神经网络超参数方案,结果表明构建的正问题模型在求解MDA反应动力学方程上有良好的预测性能,训练和外推的L2误差分别为0.19%和0.95%。在此基础上,在0、0.1%、0.3%高斯噪声下,利用标签数据反演反应速率常数,训练得到的预测值与真实值相对误差均在0.5%内,体现出了反问题模型在低质量数据下进行未知动力学参数反演的能力。 展开更多
关键词 甲烷无氧芳构化 物理信息神经网络 反应动力学模型 反问题
在线阅读 下载PDF
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 2 … 198 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部