科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于物理信息神经网络(PINN)对二/三维非稳态温度场和未知热源进行了同时预测，即使采用单个测点该求解策略依然显示出了强大的抗噪性能。该方法打破了传统神经网络需要响应量样本的定律，仅需对计算域及时间区间进行随机采样生成样本集，同时具备灵活添加约束条件的能力，是一种可用于正反问题同时求解的新型智能算法。在预测全场温度和未知热源时，为降低优化参数自由度，将未知热源采用完备多项式进行展开，同时提出了一种改进的自适应权值方法以提高其预测精度。相比传统基于有限元的迭代反演法，本文方法无论在测点数量、计算成本还是抗噪性能上均有较大优势。几个典型数值算例结果表明，该方法完全避免了繁琐的前处理单元划分，相比参考解具有较高的预测精度。
- 单位
