-
题名面向流体力学的物理神经网络综述
被引量：1
- 1
-
-
作者
田松岩
黄鑫格
段焰辉
陈洪波
陈文秀
-
机构
中山大学系统科学与工程学院
南方科技大学力学与航空航天工程系
-
出处
《计算机应用》
CSCD
北大核心
2024年第S01期133-141,共9页
-
文摘
针对融合了物理控制方程,尤为适用于物理场预测的新兴神经网络方法——物理神经网络(PINN),开展深入的文献调研,形成对面向流体力学的物理神经网络方法发展趋势的研判。首先,对神经网络融合物理信息的思路进行溯源;其次,介绍当前物理神经网络基本架构,针对全连接型物理神经网络,从间断问题的高精度预测研究、偏微分方程(PDE)植入形式、流场重建问题、损失函数形式、多精度数据及多尺度问题以及训练控制等方面进行文献综述;再次,对于基于卷积神经网络(CNN)和其他新兴网络架构的物理神经网络进行文献梳理;最后,形成面向流体力学的物理神经网络发展趋势与思考。通过对2017年至2023年间近百篇文献的研究及相关数值实验可知,针对强间断的高分辨率预测是面向高速流动问题的物理神经网络研究中需要解决的重要问题;基于全连接网络的物理神经网络拥有无网格化的优势,可用于各类流动问题的求解;基于卷积网络的物理神经网络具备与已有传统数值方法深度融合的优势,可有效利用已有的流场图像、物理量云图等结构化数据,进行复杂流动问题的求解。
-
关键词
流场预测
物理神经网络
损失函数
偏微分方程
间断问题
-
Keywords
flow field prediction
Physics-Informed Neural network(PINN)
loss function
Partial Differential Equation(PDE)
discontinuity problem
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名岩质边坡不连续面预测方法
- 2
-
-
作者
王常明
陈剑平
肖树芳
滕建仁
薛果夫
-
机构
长春科技大学环境与建设工程学院
长委三峡勘测研究院
-
出处
《长春科技大学学报》
CSCD
1998年第1期70-74,共5页
-
文摘
利用计算机技术再现了岩质边坡上不连续面的空间形态，提出了利用三维网络原理预测岩质边坡不连续面空间展布的方法，并用Ｃ语言在微机上实现。
-
关键词
不连续面
三维网络
预测法
岩石边坡
滑坡
-
Keywords
three-dimensional network, discontinuity, prediction
-
分类号
P642.22
[天文地球—工程地质学]
-
-
题名针对高阶DG数值格式的非定常流场预测建模
- 3
-
-
作者
丁子元
安慰
刘学军
吕宏强
-
机构
南京航空航天大学计算机科学与技术学院
空气动力学国家重点实验室
气动噪声控制重点实验室
软件新技术与产业化协同创新中心
南京航空航天大学航空学院
-
出处
《空气动力学学报》
CSCD
北大核心
2022年第6期51-63,共13页
-
基金
航空科学基金(2018ZA52002,2019ZA052011)
空气动力学国家重点实验室基金(SKLA20180102)
气动噪声控制重点实验室基金(ANCL20190103)。
-
文摘
高阶间断伽辽金方法作为一种数值求解方法,具备精度高和适用于复杂外形等特点,同时由于其良好的色散以及耗散特性,非常适用于隐式大涡模拟。然而在求解非定常流场时,通常需要计算很长的时长,如何降低计算代价仍然是一个挑战。针对这一问题,提出了一种由三维卷积、二维残差网络和注意力机制组成的深度神经网络,该网络能够从数据中捕捉隐含的流场时空特征。对不同雷诺数下的圆柱绕流进行数值模拟得到用于训练的数据集,将训练完成后的网络用于预测未来时间段的流场原始数据,实验结果显示深度神经网络对圆柱绕流实验数据具备良好的建模能力,用该深度神经网络预测的流场与直接用CFD求解器计算出的结果高度一致。
-
关键词
深度学习
三维卷积
残差网络
注意力机制
高阶间断伽辽金方法
非定常流场预测
-
Keywords
deep learning
three-dimensional convolution
residual network
attention mechanism
highorder discontinuous Galerkin method
unsteady flow field prediction
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
V211.3
[航空宇航科学与技术—航空宇航推进理论与工程]
-
