检索结果-内蒙古大学图书馆

光学学报 2025年第1期45卷 218-228页

作者：项华中程慧丁琦慧郑泽希陈家璧王成张大伟庄松林上海理工大学健康科学与工程学院医学光学与视光学研究所上海200093 上海理工大学上海介入医疗器械工程技术研究中心上海200093 上海理工大学机械工程学院上海200093 上海理工大学光电信息与计算机工程学院上海200093

提出一种基于物理信息神经网络(PINN)求解非线性偏微分方程设计渐进多焦点镜片的方法。使用显式有限差分算法生成训练数据,建立深度卷积神经网络模型,构建量化偏微分方程残差的损失函数,同时约束施加边界条件后的残差,在迭代过程中最小... 详细信息

提出一种基于物理信息神经网络(PINN)求解非线性偏微分方程设计渐进多焦点镜片的方法。使用显式有限差分算法生成训练数据,建立深度卷积神经网络模型,构建量化偏微分方程残差的损失函数,同时约束施加边界条件后的残差,在迭代过程中最小化损失函数来更新神经网络参数(权重和偏置)并输出优化后的镜片面形。最后,通过数值法和PINN设计并加工6组镜片。结果表明:经PINN设计的3组镜片,远用区的光焦度误差更小,在0.05 D(1 D=l m^(-1))以内;远近用区像散也更小,仅0.02 D;加光度与理论值之间的误差显著降低,最小误差为0.1 D。所提方法在优化镜片光学性能的同时,远近用区域面积和宽度等参数基本没有变化,达到了优化要求。所提出的PINN方法为渐进多焦点镜片的优化提供了一种新的方法。

关键词：物理信息神经网络自由曲面渐进多焦点镜片像散光焦度

来源：评论

学校读者我要写书评

暂无评论

物理信息神经网络驱动的井筒温度场求解方法

引用

石油学报 2025年第2期46卷 413-425页

作者：刘雪琪王志远魏强王敏孙小辉王雪瑞张剑波尹邦堂孙宝江中国石油大学(华东)石油工程学院山东青岛266580 中国石油塔里木油田公司轮南采油气管理区新疆库尔勒841000 中国石油塔里木油田公司克拉采油气管理区新疆库尔勒841000 中国石油大学(华东)计算机科学与技术学院山东青岛266580

深水、深层油气钻探过程中对井筒温度场计算的实时性要求高,高精度、高效率的井筒温度场求解方法是精确计算流体物性、精细保障井筒流动安全的关键。将井筒温度场模型以损失函数形式嵌入神经网络,利用自适应权重和自适应学习率的优化方... 详细信息

深水、深层油气钻探过程中对井筒温度场计算的实时性要求高,高精度、高效率的井筒温度场求解方法是精确计算流体物性、精细保障井筒流动安全的关键。将井筒温度场模型以损失函数形式嵌入神经网络,利用自适应权重和自适应学习率的优化方法提高训练效率,建立了物理信息神经网络驱动的井筒温度场求解方法,分析了钻井和气井测试期间井筒温度的瞬态变化。研究结果表明:钻井期间,与有限差分算法相比,钻杆温度和环空温度的平均误差分别为0.847%和0.725%,井底温度和井口温度的平均误差分别为0.162%和1.047%,计算效率提高约150倍;与现场实测数据对比,物理信息神经网络驱动的预测解与有限差分数值解的平均误差分别为2.16%和2.27%,规避偏微分方程的截断误差有助于提高模型精度;气井测试2 d内,天然气水合物生成风险的推断时间为0.7281 s,该方法可应用于水合物生成区域的快速预测。提出的求解方法在保证计算精度的同时,可大幅度提高计算速度。

关键词：钻井气井测试井筒温度物理信息神经网络快速预测

来源：评论

学校读者我要写书评

暂无评论

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

引用

天然气工业 2025年第1期45卷 164-174页

作者：金凤郭祎张岩马秀云刘斌焦健丰殷雄徐海龙宫敬温凯中国石油大学(北京)机械与储运工程学院国家石油天然气管网集团有限公司油气调控中心国家管网集团北京管道有限公司中国石油华北油田公司油气工艺研究院曼彻斯特大学化学工程与分析科学系

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... 详细信息

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。

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

来源：评论

学校读者我要写书评

暂无评论

基于物理信息神经网络和发射光谱测量的火焰多参数反演:模型构建与实验验证

引用

光学学报 2025年第1期45卷 291-302页

作者：李洪绪陈玮张辰飏任涛上海交通大学中英国际低碳学院上海201306

提出一种基于物理信息驱动的神经网络逆辐射模型,用于从红外发射光谱测量中准确重建火焰内部的温度场和多组分摩尔分数场。该模型将测量系统的物理信息耦合到神经网络的训练过程中,使其优化目标既能与测量数据匹配,又符合物理方程,从而... 详细信息

提出一种基于物理信息驱动的神经网络逆辐射模型,用于从红外发射光谱测量中准确重建火焰内部的温度场和多组分摩尔分数场。该模型将测量系统的物理信息耦合到神经网络的训练过程中,使其优化目标既能与测量数据匹配,又符合物理方程,从而无需训练数据集或复杂的反演算法。利用模拟的发射光谱重建乙烯层流扩散火焰的温度,二氧化碳、一氧化碳、水的摩尔分数,以及碳烟体积分数分布。结果表明该模型具有较高的反演精度和较强的抗噪声鲁棒性。通过傅里叶变换红外光谱仪测量乙烯火焰的中红外辐射强度,进一步验证了该模型在实验火焰标量场反演重建中的有效性。基于物理信息驱动的神经网络逆辐射模型能够有效地从红外光谱数据中重建火焰内部的多个标量场,显示出高精度和强鲁棒性。

关键词：中红外发射光谱物理信息神经网络温度气体摩尔分数碳烟体积分数

来源：评论

学校读者我要写书评

暂无评论

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

引用

力学学报 2025年第3期57卷 755-766页

作者：韦昌樊昱晨周永清刘欣李驰王赫阳天津大学机械工程学院天津300072 烟台龙源电力技术股份有限公司山东烟台264006

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... 详细信息

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.

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

来源：评论

学校读者我要写书评

暂无评论

物理信息神经网络对圆管内层流流动和换热的数值模拟验证与求解效率研究

引用

厦门大学学报(自然科学版) 2025年第1期64卷 156-168页

作者：姚嘉晔陈鹏飞洪钢张尧立厦门大学能源学院福建厦门361102 福建省核能工程技术研究中心福建厦门361102

[目的]提出了一种将在标准条件下训练的权重和偏置信息加载到模型中的方法,以提升相邻条件下物理信息神经网络(physics-informed neural network,PINN)数值模拟效率.[方法]以二维圆管为对象,流动状态为稳态流动,控制方程为受重力影响的N... 详细信息

[目的]提出了一种将在标准条件下训练的权重和偏置信息加载到模型中的方法,以提升相邻条件下物理信息神经网络(physics-informed neural network,PINN)数值模拟效率.[方法]以二维圆管为对象,流动状态为稳态流动,控制方程为受重力影响的Navier-Stokes方程组,利用解析解对PINN模拟精度进行验证并对超参数进行敏感性分析,进而对圆管内层流流动换热过程进行数值模拟,并利用权重与偏置信息对邻近工况进行预测.[结果]PINN数值模拟具有可行性和准确性,与传统软件Fluent计算结果的相对误差约±5%.载入已有工况权重和偏置信息可以显著提高PINN数值模拟的效率,速度场与温度场同Fluent计算结果的相对误差均小于±5%.[结论]利用PINN可以对流体层流流动换热进行数值模拟,同时可以利用预训练的权重和偏置信息提高数值模拟效率.

关键词：物理信息神经网络对流换热数值模拟

来源：评论

学校读者我要写书评

暂无评论

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

引用

力学学报 2025年第1期57卷 89-102页

作者：陈豪龙唐欣越王润华周焕林柳占立合肥工业大学土木与水利工程学院工程力学系合肥230009 清华大学航天航空学院应用力学教育部实验室北京100084

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... 详细信息

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.

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

来源：评论

学校读者我要写书评

暂无评论

基于低阶导数物理信息神经网络的流动和传热反演问题研究

引用

空气动力学学报 2025年第1期43卷 34-43,I0001页

作者：张贤胡春崔永赫王秋旺赵存陆国核电力规划设计研究院有限公司北京100095 西安交通大学热流科学与工程教育部重点实验室西安710049

求解空气动力学领域中流动和传热反演问题对于飞行器设计和飞行环境控制至关重要。然而,传统数值方法在处理这类问题时,往往面临计算复杂性和数据依赖性的挑战。为解决此问题,基于物理信息神经网络(PINN),本文构建了低阶导数物理信息神... 详细信息

求解空气动力学领域中流动和传热反演问题对于飞行器设计和飞行环境控制至关重要。然而,传统数值方法在处理这类问题时,往往面临计算复杂性和数据依赖性的挑战。为解决此问题,基于物理信息神经网络(PINN),本文构建了低阶导数物理信息神经网络(LPINN),其特点在于仅需有限的实验测量数据,即可有效地解决流动和传热的反演问题。为验证LPINN在反演问题上的应用效果,选择了两种典型的二维流动及传热案例(泊肃叶流动和顶盖驱动方腔流动)进行研究。结果表明,在缺乏明确边界条件的前提下,LPINN能利用稀疏的实验数据,准确预测整个计算区域内的流场和温度场,并能够较为精确地确定控制方程中的雷诺数和佩克莱数。对随机取点、均匀取点和基于先验知识取点3种不同的实验观测点选取方案进行了对比分析,发现基于先验知识取点方案在保证高反演精度的同时,其所需的实验观测点数量最少,这对提高反演问题的求解效率具有积极意义。此外,LPINN在处理反演问题时展现出对实验数据中噪声的高度鲁棒性。

关键词：低阶导数物理信息神经网络流动与传热反演问题

来源：评论

学校读者我要写书评

暂无评论

基于物理信息神经网络的金属多轴疲劳寿命预测进展

引用

机械强度 2025年第2期47卷 44-52页

作者：张颛利孙兴悦陈旭中海油能源发展装备技术有限公司工业防护工程中心天津300457 天津大学化工学院天津300350

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... 详细信息

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。

关键词：物理信息神经网络多轴疲劳寿命预测机器学习

来源：评论

学校读者我要写书评

暂无评论

求解含静态裂缝线弹性问题的一类基于物理信息神经网络算法

引用

计算物理 2025年

作者：柴博涛陈星玎余云龙北京工商大学数学与统计学院数据科学系北京应用物理与计算数学研究所

针对二维含静态裂缝线弹性问题构造了一类新的基于物理信息神经网络算法。为了处理裂缝处位移场的强间断性，基于区域分解思想，将计算区域分成若干个子区域，并采用多个相互独立的神经网络分别求解各个子区域中的位移场和应力场。为了... 详细信息

针对二维含静态裂缝线弹性问题构造了一类新的基于物理信息神经网络算法。为了处理裂缝处位移场的强间断性，基于区域分解思想，将计算区域分成若干个子区域，并采用多个相互独立的神经网络分别求解各个子区域中的位移场和应力场。为了处理裂尖处应力场的强奇异性，引入裂尖渐近场函数对神经网络的输出量进行修正，以期显著提高计算精度。最后，相关数值实验验证了算法的有效性。

关键词：物理信息神经网络静态裂缝多神经网络区域分解裂尖渐近场函数

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：