典型文献
"硬"边界低阶导数型物理信息神经网络:一种流动求解器
文献摘要：
为加速求解流体力学问题的物理信息神经网络的训练过程,本文将Navier-Stokes方程转换成低阶导数形式,并以"硬"方式施加边界条件,构建了用于求解稳态不可压缩层流流动问题的"硬"边界低阶导数型物理信息神经网络(HLPINN).应用HLPINN对变截面管道内的流动进行了数值模拟,并将结果与传统的"硬"边界物理信息神经网络(HPINN)结果对比.结果表明:HLPINN和HPINN均能精确模拟截面扩张和收缩管道内的流场;相较于HPINN,HLPINN可以加速反向传播过程从而加速训练过程;对于截面扩张和收缩两种工况,与HPINN相比,HLPINN的训练时间减少超60％;HLPINN可对两种优化算法进行加速,对于自适应矩估计(Adam)算法可提速超过200％,对于局部极小化(L-BFGS-B)算法可提速90％左右.此外,用于施加"硬"边界条件的距离函数的形式和值域对计算精度影响很大,但是对训练时间及优化算法计算速度的影响甚微.研究表明,连续、平缓和值域在合理范围的距离函数有助于提高计算精度.
文献关键词：
物理信息神经网络;低阶导数;流体力学;反向传播
中图分类号：
作者姓名：
崔永赫;张文耀;闫慧龙;钱芳;王秋旺;赵存陆
作者机构：
西安交通大学热流科学与工程教育部重点实验室,710049,西安
文献出处：
引用格式：
[1]崔永赫;张文耀;闫慧龙;钱芳;王秋旺;赵存陆-."硬"边界低阶导数型物理信息神经网络:一种流动求解器)[J].西安交通大学学报,2022(09):123-133
A类：
低阶导数,HLPINN,HPINN
B类：
物理信息神经网络,求解器,流体力学,力学问题,训练过程,Navier,Stokes,转换成,加边,可压缩,层流,流流,动问,变截面,结果对比,反向传播,传播过程,训练时间,自适应矩估计,Adam,提速,局部极小,极小化,BFGS,距离函数,值域,计算精度,精度影响,算法计算,计算速度,甚微,缓和,合理范围
AB值：
0.265327
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
