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344篇文章
< 1 2 … 18 >
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：
新型电力系统下基于物理信息LSTM网络的电力变压器状态评估方法
1
作者 林苑 赵晋斌 +1 位作者 孙明琦 闫音蓓 《电力系统保护与控制》 北大核心 2025年第14期133-141,共9页
新型电力系统下电网具有间歇性、波动性特征,在此背景下电力变压器运行将面临多物理场耦合作用的复杂工况。针对传统的电力变压器状态评估模型存在无法有效挖掘缺陷和失效机理、无法有效利用多源异构数据的问题,提出了一种基于物理信息... 新型电力系统下电网具有间歇性、波动性特征,在此背景下电力变压器运行将面临多物理场耦合作用的复杂工况。针对传统的电力变压器状态评估模型存在无法有效挖掘缺陷和失效机理、无法有效利用多源异构数据的问题,提出了一种基于物理信息长短期记忆(longshort-termmemory, LSTM)网络的电力变压器状态评估方法。融入模型-数据驱动思想,为电力变压器在新型电力系统背景下的精细化管理和智能运维提供新的研究思路。首先,分析电力变压器在电磁-流体-温度多物理场耦合下的物理模型,建立变压器的状态评估先验知识函数。然后,将该知识函数嵌入LSTM网络损失函数中,惩罚违反物理先验知识的“黑箱”数据,有效挖掘多物理场耦合复杂工况下电力变压器的演化规律,通过Softmax分类器获取电力变压器健康指数和寿命预测模型。最后,根据变压器实际运行情况验证所提算法的有效性,实现对电力变压器关键性能及其相关性分析的综合状态评估。 展开更多
关键词 新型电力系统 物理信息lstm网络 电力变压器 状态评估
在线阅读 下载PDF
物理信息神经网络在水文地质与工程地质中的应用研究综述
2
作者 朱琳 钱陈之皓 +3 位作者 宫辉力 郭涛 李帅 叶淼 《水利水电技术(中英文)》 北大核心 2025年第7期13-25,共13页
【目的】在水文地质与工程地质研究中,传统机理数值模型在模拟复杂物理过程时存在建模精度低、不确定性等问题,机器学习模型则存在数据需求量大和可解释性差的不足。物理信息神经网络(Physics-Informed Neural Networks,PINNs)作为一种... 【目的】在水文地质与工程地质研究中,传统机理数值模型在模拟复杂物理过程时存在建模精度低、不确定性等问题,机器学习模型则存在数据需求量大和可解释性差的不足。物理信息神经网络(Physics-Informed Neural Networks,PINNs)作为一种结合物理定律和机器学习的新方法,能够为解决上述问题提供可行的方案。【方法】首先,通过整理近四年文献,系统梳理机理数值模型、机器学习模型以及机理-学习耦合模型在水文地质与工程地质领域的研究现状;其次,深入分析PINNs在该领域的最新应用;最后,阐述了PINNs在水文地质与工程地质领域发展中存在的问题,并对其今后的发展给出相关建议。【结果】研究发现,在水文地质与工程地质领域,PINNs部分解决了数值模型和机器学习模型中存在的数据稀缺、可解释性差和泛化性不足的问题,拥有广阔的应用前景。今后需要进一步解决其在鲁棒性、自适应权重分配和初边界条件处理方面的问题,深入挖掘其潜力。【结论】在未来研究中,建议耦合生成式模型或强化学习等模型,减少因数据质量和噪声对模型的影响,提高PINNs的鲁棒性;使用自适应学习算法和动态权重平衡机制,平衡损失函数各项权重,使PINNs模型输出矩阵满足正交条件,提高PINNs模型的计算效率;综合实际情况,选择优化激活函数、约束方式等,使PINNs模型收敛速度更快,结果更为精准。 展开更多
关键词 物理信息神经网络 数值模型 机器学习 耦合模型 地下水 水文地质 数值模拟 工程地质
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
3
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
混合网络攻击下信息物理系统预测补偿控制
4
作者 祝超群 辛文睿 《兰州理工大学学报》 北大核心 2025年第2期71-77,共7页
针对混合网络攻击环境下的信息物理系统,研究了基于输出反馈的预测补偿控制问题,提出了具有多步预测的补偿控制方法.首先,考虑到混合攻击特性和攻击能量受限等因素,建立了具有嵌套子系统结构的信息物理系统切换模型;其次,借助李雅普诺... 针对混合网络攻击环境下的信息物理系统,研究了基于输出反馈的预测补偿控制问题,提出了具有多步预测的补偿控制方法.首先,考虑到混合攻击特性和攻击能量受限等因素,建立了具有嵌套子系统结构的信息物理系统切换模型;其次,借助李雅普诺夫稳定性理论和线性矩阵不等式技术给出了系统指数稳定的充分条件,在此基础上设计了基于输出反馈的预测补偿控制策略,实现了信息物理系统的镇定控制;最后,通过网络化直流电机控制系统仿真实例验证了所提控制方法的正确性和有效性. 展开更多
关键词 信息物理系统 混合网络攻击 切换系统 预测补偿 输出反馈控制
在线阅读 下载PDF
基于傅里叶特征化物理信息神经网络的输流管道振动特性模拟
5
作者 张挺 鄢锐 +2 位作者 章思茜 杨丁颖 陈安浩 《土木工程学报》 北大核心 2025年第9期86-95,共10页
针对具有高低频叠加的时空多尺度输流管道振动动态响应问题,文章提出一种基于傅里叶特征嵌入的物理信息神经网络(FF-PINN)。引入傅里叶特征映射对时间和空间尺度信息进行分解,并通过超参数σ控制神经网络学习的频率范围,从而准确学习输... 针对具有高低频叠加的时空多尺度输流管道振动动态响应问题,文章提出一种基于傅里叶特征嵌入的物理信息神经网络(FF-PINN)。引入傅里叶特征映射对时间和空间尺度信息进行分解,并通过超参数σ控制神经网络学习的频率范围,从而准确学习输流管道振动动态响应在宏观时间尺度上的相对低频以及微观尺度上的相对高频,以克服PINN在学习高频信息时出现的频谱偏差。使用FF-PINN对两端简支输流管道振动特性进行模拟,所得结果与广义有限差分法(GFDM)参考解的相对L_(2)误差为1.15×10^(-2)。此外文章分析了超参数σ的选取对FF-PINN的影响,得到超参数与特征向量频率的对应关系,结果表明,通过选择合适的超参数可使FF-PINN更好学习特定频率的振动,从而有效学习输流管道振动动态响应,为解决具有高低频叠加的时空多尺度结构振动模拟提供一种有效的解决方案。 展开更多
关键词 物理信息神经网络 输流管道 傅里叶特征化 时空多尺度 振动特性
在线阅读 下载PDF
应用自适应节点生成物理信息网络计算地震波旅行时
6
作者 唐杰 王海成 +3 位作者 范忠豪 潘登 任立民 张敬东 《石油地球物理勘探》 北大核心 2025年第4期840-851,共12页
求解程函方程能够获得震源定位、层析成像等地球物理反演所需的地震波旅行时,常用算法包括快速推进法(FMM)和快速扫描法(FSM)等。物理信息神经网络(PINN)是一种新颖的无网格方法,可将偏微分方程中的微分形式约束条件融入到神经网络的损... 求解程函方程能够获得震源定位、层析成像等地球物理反演所需的地震波旅行时,常用算法包括快速推进法(FMM)和快速扫描法(FSM)等。物理信息神经网络(PINN)是一种新颖的无网格方法,可将偏微分方程中的微分形式约束条件融入到神经网络的损失函数中,从而获得带物理信息约束的神经网络。文中聚焦训练过程中的节点优化配置,采用基于残差分布的自适应采样方法改善PINN的训练效果,提出了基于自适应节点生成的物理信息网络旅行时计算方法。Marmousi模型和起伏地表模型的测试结果均表明,该方法相较于固定节点生成方法具有更稳定的训练过程并且旅行时计算结果能保持较高的精度。 展开更多
关键词 旅行时计算 程函方程 物理信息神经网络(PINN) 残差 自适应节点生成 无网格方法
在线阅读 下载PDF
基于硬约束和物理信息神经网络结合的天然气管网仿真新方法 被引量：3
7
作者 金凤 郭祎 +7 位作者 张岩 马秀云 刘斌 焦健丰 殷雄 徐海龙 宫敬 温凯 《天然气工业》 北大核心 2025年第1期164-174,共11页
随着天然气管网互联互通成环成网,需要利用仿真技术模拟各种工况下的管网运行状态,以提升管网的供气能力,进而降低管网运行成本。现有的智能化仿真方法过于依赖数据驱动,忽略了天然气流动机理,导致精度与稳定性较差且结果不可解释。为此... 随着天然气管网互联互通成环成网,需要利用仿真技术模拟各种工况下的管网运行状态,以提升管网的供气能力,进而降低管网运行成本。现有的智能化仿真方法过于依赖数据驱动,忽略了天然气流动机理,导致精度与稳定性较差且结果不可解释。为此,从机理角度分析了天然气流动基本控制方程与管网拓扑结构,将机理信息耦合至深度学习的损失函数指导结构设计与训练,形成了天然气管网物理信息神经网络PINN(Physics-Informed Neural Network)仿真模型;然后描述了输入输出变量之间的耦合关系,设计边界条件嵌入训练硬约束模式,建立了硬约束和物理信息神经网络结合BHC-PINN(Boundary Hard-Constraint Physics-Informed NeuralNetwork)的模型,实现了天然气管网全时空状态的仿真监测。研究结果表明:(1) PINN模型将管道与拓扑结构的机理信息耦合进损失函数以提高模型的可解释性,并借助管网进出口冗余数据提高了准确性,实现了对管网压力流量的准确监测;(2)建立的边界硬约束模式,使神经网络的输出强制满足边界条件,得到的流量和压力仿真误差分别从2.1%和0.32%下降低至1.5%和0.082%,训练的效率和速度分别提高了48.5%和55.9%;(3) BHC-PINN能实现管网任意位置气体流动状态的观测,对于中间阀室压力的仿真最大误差为0.2%。结论认为,该新方法能准确仿真天然气管网内流动状态,增强了数据驱动模型的可解释性,并为天然气管网瞬态仿真提供了数据加机理混合驱动的新思路。 展开更多
关键词 天然气管道 水力瞬态仿真 物理信息神经网络 硬约束模式
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：4
8
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
基于自适应损失均衡梯度增强的物理信息神经网络微地震定位 被引量：1
9
作者 潘登 唐杰 +2 位作者 范忠豪 产嘉怡 彭婧妍 《石油地球物理勘探》 北大核心 2025年第3期618-630,共13页
微地震定位是微地震监测任务中的主要挑战,有助于分析水力压裂的效果。物理信息神经网络(PINN)可实现微地震定位,但PINN中多损失项的权衡对网络的训练起着重要作用。为此,文中提出了一种基于自适应损失均衡梯度增强的物理信息神经网络... 微地震定位是微地震监测任务中的主要挑战,有助于分析水力压裂的效果。物理信息神经网络(PINN)可实现微地震定位,但PINN中多损失项的权衡对网络的训练起着重要作用。为此,文中提出了一种基于自适应损失均衡梯度增强的物理信息神经网络的微地震定位方法。首先结合相对到时与程函方程的残差来形成组合损失函数;其次通过自适应项自动更新损失权重,同时加入梯度信息来增强网络;最后利用网络训练获得整个计算域的旅行时分布,并通过最小旅行时预测出震源位置。测试结果表明,该方法能够提高网络的训练稳定性和预测精度并获得较好的微地震定位效果。 展开更多
关键词 微地震 物理信息神经网络 相对到时 程函方程 自适应损失均衡梯度增强
在线阅读 下载PDF
基于物理信息神经网络求解燃烧问题
10
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通用网格生成方法
11
作者 张浩轩 李海生 +1 位作者 王敏 李楠 《图学学报》 北大核心 2025年第5期990-997,共8页
在数值模拟中,结构网格的生成往往需要大量的时间和人力投入。结构网格生成的一般方案是寻找计算域和物理域之间的映射,这种映射可以通过求解偏微分方程获得。然而,现有的结构网格生成方法难以同时保证效率和网格质量。针对上述问题,提... 在数值模拟中,结构网格的生成往往需要大量的时间和人力投入。结构网格生成的一般方案是寻找计算域和物理域之间的映射,这种映射可以通过求解偏微分方程获得。然而,现有的结构网格生成方法难以同时保证效率和网格质量。针对上述问题,提出了一种基于物理信息神经网络的通用网格生成模型(UMG-PINN)。该模型将网格生成任务作为一个从计算域到物理域的网格变形问题,以边界曲线为输入,利用注意力网络捕捉计算域与物理域之间的潜在映射,为输入的物理域生成结构网格。UMG-PINN在损失函数中引入线性弹性力学中的Navier-Lamé方程作为底层控制方程,确保神经网络在优化损失值时符合弹性体变形规律。由于该模型是自监督的,所以不需要先验知识或数据集,减少了以往制作结构网格数据集的工作量。实验结果表明,UMG-PINN相比传统的超限插值法能够生成更高质量的结构网格。此外,UMG-PINN在物理信息的约束下,也可以应用于非结构网格生成。 展开更多
关键词 网格生成 物理信息神经网络 Navier-Lamé方程 自监督学习
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
12
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
有限数据下基于物理信息神经网络的平面叶栅流场重构预测方法
13
作者 赵普 毛宇凡 +3 位作者 李嘉 李金花 王晓放 刘海涛 《航空发动机》 北大核心 2025年第2期84-90,共7页
为了快速准确地获取平面叶栅流场分布,提升现代压气机敏捷数字化设计效率,建立了基于有限数据的2维平面叶栅流场快速重构预测方法。该方法采用集成的物理信息神经网络(IPINN)架构,通过将叶栅流场的Navier-Stokes方程以损失函数的形式融... 为了快速准确地获取平面叶栅流场分布,提升现代压气机敏捷数字化设计效率,建立了基于有限数据的2维平面叶栅流场快速重构预测方法。该方法采用集成的物理信息神经网络(IPINN)架构,通过将叶栅流场的Navier-Stokes方程以损失函数的形式融入模型训练,嵌入物理先验知识,实现了有限数据下的高精度流场预测。结果表明:与纯粹数据驱动的模型相比,物理信息神经网络(PINN)模型融入物理信息后,对叶栅流场中速度轴向分量、速度垂直分量、压力3个物理场预测误差分别减小了13.0%、25.5%和76.3%;在此基础上,IPINN-cascade模型进一步优化,针对这3个物理场的预测值误差相较于PINN模型的又分别减小了14.8%、19.8%和17.5%。所提出的方法在有限数据条件下能够有效捕捉叶栅流场的主要特征,为压气机设计提供了新的技术手段。 展开更多
关键词 集成物理信息神经网络 有限数据 流场预测 平面叶栅
在线阅读 下载PDF
物理信息神经网络求解亥姆霍兹方程的配置点采样方法
14
作者 单连璞 于彩霞 王彦飞 《煤田地质与勘探》 北大核心 2025年第9期182-190,共9页
【背景】地震波场模拟中,物理信息神经网络(physics-informed neural networks,PINNs)凭借其无网格求解特性为亥姆霍兹方程(Helmholtz equation)高效计算开辟了新途径。然而,在复杂介质模型的亥姆霍兹方程正演中,传统的均匀网格配置点... 【背景】地震波场模拟中,物理信息神经网络(physics-informed neural networks,PINNs)凭借其无网格求解特性为亥姆霍兹方程(Helmholtz equation)高效计算开辟了新途径。然而,在复杂介质模型的亥姆霍兹方程正演中,传统的均匀网格配置点采样策略无法高效地提供梯度信息,导致其训练时间长、资源消耗大。【目的和方法】为了提升PINNs的正演效率和精度,并解决动态采样的配置点在震源处异常聚集这一问题,提出了基于残差分布的混合配置点重采样策略(hybrid residual-based adaptive distribution,RAD-H),并与6种固定采样策略和4种动态采样策略进行对比分析。该策略在震源区域采用固定采样确保震源特征捕捉,在其他区域则实施基于残差分布的自适应重采样(residualbased adaptive distribution,RAD),保证重采样配置点与目标高残差区域空间采样的一致性。【结果】经数值实验表明:在均匀介质模型中,RAD-H策略相较于经典基准方法仅需使用18.57%的配置点数量,却能够使波场L2误差降低3.050%,同时该策略训练耗时约为4192.5 s,计算效率较经典基准方法提升了231.74%;在Marmousi2模型中,RAD-H策略控制与经典基准方法相同量级误差,使用的配置点数量减少57.75%。【结论】该策略解决了其他动态采样策略在震源区域采样过密、其他区域采样不足的问题,显著提升了PINNs在含震源正演中的配置点采样效率,对高效高精度模拟复杂地质模型波场具有启发意义。 展开更多
关键词 物理信息神经网络 亥姆霍兹方程 正演 配置点 自适应
在线阅读 下载PDF
基于硬边界约束物理信息神经网络狭窄动脉血管的血液流场预测
15
作者 向华鑫 桑建兵 +2 位作者 王静远 纪猛强 张晨 《医用生物力学》 北大核心 2025年第5期1222-1229,1238,共9页
目的针对传统物理信息神经网络(physics-informed neural network,PINN)在处理血流边界条件约束时的局限性,提出一种基于硬边界约束物理信息神经网络(hard boundary-constrained physics-informed neural network,HBC-PINN)的改进方法,... 目的针对传统物理信息神经网络(physics-informed neural network,PINN)在处理血流边界条件约束时的局限性,提出一种基于硬边界约束物理信息神经网络(hard boundary-constrained physics-informed neural network,HBC-PINN)的改进方法,实现对狭窄动脉血管内血液流场的精确预测。方法首先建立理想化狭窄血管几何模型并进行计算流体动力学模拟以获得验证数据集。根据硬约束方法设计合适的边界相关试函数以将流动边界条件嵌入网络输出中,从而构建采用硬边界约束方法的HBC-PINN模型预测狭窄血流的速度场和压力场。同时还构建了采用软约束方法的原始PINN模型作为对比,通过评估两种模型在验证数据集上的准确性,验证不使用任何标记数据训练下HBC-PINN模型模拟血流动力学的能力。结果确定了HBC-PINN方法在狭窄血流动力学参数预测任务中的有效性。两种不同狭窄情况下HBC-PINN预测的流向速度和压力的相对L2误差均低于0.5%,相比原始PINN模型精度提升了48.8%以上,垂向速度的预测精度同样提升了超过35.4%。结论在PINN建模过程中实施边界条件硬约束可以有效提高对血流动力学参数的预测精度和模型求解效率。 展开更多
关键词 血管狭窄 血流动力学 物理信息神经网络 硬约束方法
在线阅读 下载PDF
基于物理信息神经网络的船舶速度损失预测
16
作者 郭东东 尹勇 +2 位作者 钱小斌 杨继银 丛琳 《上海海事大学学报》 北大核心 2025年第3期14-21,共8页
针对船舶速度损失预测中广泛采用的半经验模型准确性不足和人工智能算法需要大量训练数据的问题,将半经验模型的计算结果作为一个附加特征纳入数据集,建立一种物理信息神经网络(physics-informed neural network,PINN)模型对船舶速度损... 针对船舶速度损失预测中广泛采用的半经验模型准确性不足和人工智能算法需要大量训练数据的问题,将半经验模型的计算结果作为一个附加特征纳入数据集,建立一种物理信息神经网络(physics-informed neural network,PINN)模型对船舶速度损失进行预测。选取一艘载重吨为28000 t的散货船2011年6月至2012年7月的航行数据对模型进行训练和测试。实验结果显示,PINN模型优于半经验模型和人工神经网络(artificial neural network,ANN)模型。进一步采用该船2013年某航次的数据进行验证,结果显示PINN模型仍优于其他两种单一模型,证实了其在训练数据较少时的高准确性和强泛化能力。 展开更多
关键词 物理信息神经网络(PINN) 船舶速度损失 人工神经网络(ANN) 智能航运
在线阅读 下载PDF
基于物理信息神经网络的水库调度研究 被引量：1
17
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多介质非线性瞬态热传导问题研究
18
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多点摩擦诱发粘-滑振动问题算法
19
作者 张非凡 李姿琳 +3 位作者 白金帅 王伟 卫洪涛 卫荣汉 《计算力学学报》 北大核心 2025年第5期729-736,共8页
针对非光滑动力学中不稳定粘-滑振动问题难以准确求解的挑战,本文提出了一种基于物理信息神经网络PINN(Physics-informed Neural Networks)的求解算法。首先,基于单边约束的线性互补理论对经典滑块-传送带模型进行动力学建模,随后将线... 针对非光滑动力学中不稳定粘-滑振动问题难以准确求解的挑战,本文提出了一种基于物理信息神经网络PINN(Physics-informed Neural Networks)的求解算法。首先,基于单边约束的线性互补理论对经典滑块-传送带模型进行动力学建模,随后将线性互补关系设计为指导神经网络训练的损失函数,构建了基于PINN的多点摩擦诱发粘-滑振动问题求解算法,进行了摩擦系统中多个滑块粘-滑振动复杂响应的准确模拟。通过与存在事件检测的Switching Model方法和传统无事件检测的Time-Stepping方法的数值计算结果对比,完成了PINN算法准确性的验证。本文提出的PINN算法将传统优化问题计算转化为机器学习算法的网络训练,适用于具有多个接触点的粘-滑振动分析,可实现准确的非光滑状态转换,为多自由度摩擦系统中复杂非线性振动响应的准确模拟提供了一种便捷易用的新方法。 展开更多
关键词 物理信息神经网络 摩擦自激振动 非光滑动力学 粘-滑振动 线性互补问题
在线阅读 下载PDF
基于时间权重的物理信息神经网络求解非稳态偏微分方程
20
作者 韦昌 樊昱晨 +3 位作者 周永清 刘欣 李驰 王赫阳 《力学学报》 北大核心 2025年第3期755-766,共12页
物理信息神经网络(physics-informed neural networks,PINN)是一种将深度学习技术与物理模型相结合的计算方法,目前已经成为智能科学计算领域的研究热点.然而,传统的PINN在求解非稳态偏微分方程时,常因忽视动态系统的时间因果关系而出... 物理信息神经网络(physics-informed neural networks,PINN)是一种将深度学习技术与物理模型相结合的计算方法,目前已经成为智能科学计算领域的研究热点.然而,传统的PINN在求解非稳态偏微分方程时,常因忽视动态系统的时间因果关系而出现训练效率低下和预测精度不足等问题.为了解决这些局限性,文章提出了一种基于时间权重的物理信息神经网络(time-weighted physics-informed neural network,TWPINN).该模型通过引入可体现系统动态变化特征的时间权重函数,对损失函数进行了优化,以增强神经网络的时间因果关系.由于初始条件对于准确预测系统的动态行为具有决定性的作用,因此在TWPINN中,权重值会随着时间的推移而呈现单调递减的趋势,以确保模型对早期时间点采样数据赋予更高的重视.此外,TWPINN在训练过程中采用了一种动态权重调整策略,随着迭代次数的增加,模型会逐步调整对后续时间采样点的权重分配.这种策略使模型不仅能够捕捉到系统的初始状态和短期变化,而且显著提高了对长期演变趋势的预测准确性.为了验证TWPINN的性能,文章选取一维非稳态对流方程和一维非稳态反应扩散方程作为测试案例.结果表明,TWPINN在求解这两种方程时均能提供与基准解高度一致的预测结果,并且可以将预测误差控制在较低水平. 展开更多
关键词 物理信息神经网络 时间权重函数 对流方程 反应扩散方程
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 … 18 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