| 改进的物理融合神经网络在瑞利-泰勒不稳定性问题中的应用 | |
丘润荻; 王静竹; 黄仁芳; 杜特专 ; 王一伟; 黄晨光
| |
| Source Publication | 力学学报
 |
| 2022-08-18 | |
| Volume | 54Issue:08Pages:2224-2234 |
| ISSN | 0459-1879 |
| Abstract | 基于相场法的物理融合神经网络PF-PINNs被成功用于两相流动的建模,为两相流动的高精度直接数值模拟提供了全新的技术手段.相场法作为一种新兴的界面捕捉方法,其引入确保了界面的质量守恒,显著提高了相界面的捕捉精度;但是相场法中高阶导数的存在也降低了神经网络的训练速度.为了提升计算训练过程的效率,本文在PF-PINNS框架下,参考深度混合残差方法 MIM,将化学能作为辅助变量以及神经网络的输出之一,并修改了物理约束项的形式,使辅助变量与相分数的关系式由硬约束转为了软约束.上述两点改进显著降低了自动微分过程中计算图的规模,节约了求导过程中的计算开销.同时,为了评估建立的PF-PINNS在雷诺数较高、计算量较大的场景中的建模能力,本文将瑞利-泰勒RT不稳定性问题作为验证算例.与高精度谱元法的定性与定量对比结果表明,改进PF-PINNs有能力捕捉到两相界面的强非线性演化过程,且计算精度接近传统算法,计算结果符合物理规律.改进前后的对比结果表明,深度混合残差方法能够显著降低PF-PINNS的训练用时.本文所述方法是进一步提升神经网络训练速度的重要参考资料,并为探索高精度智能建模方法提供了全新的见解. |
| Keyword | 瑞利-泰勒不稳定性 深度混合残差方法 物理融合神经网络 两相流 |
| Indexed By | EI ; CSCD |
| Language | 中文 |
| Funding Organization | 国家自然科学基金(12122214,52006232,11872065) ; 中国科学院青年创新促进会(Y201906,2022019)资助项目 |
| CSCD ID | CSCD:7292456 |
| Classification | 二类 |
| Ranking | 1 |
| Citation statistics |
Cited Times:2[CSCD]
[CSCD Record]
|
| Document Type | 期刊论文 |
| Identifier | http://dspace.imech.ac.cn/handle/311007/90112 |
| Collection | 流固耦合系统力学重点实验室 |
| Affiliation | 1.中国科学院力学研究所流固耦合系统力学重点实验室 2.中国科学院大学未来技术学院 3.中国科学院大学工程科学学院 4.中国科学院合肥物质科学研究院 |
| Recommended Citation GB/T 7714 | 丘润荻,王静竹,黄仁芳,等. 改进的物理融合神经网络在瑞利-泰勒不稳定性问题中的应用[J]. 力学学报,2022,54,08,:2224-2234. |
| APA | 丘润荻,王静竹,黄仁芳,杜特专,王一伟,&黄晨光.(2022).改进的物理融合神经网络在瑞利-泰勒不稳定性问题中的应用.力学学报,54(08),2224-2234. |
| MLA | 丘润荻,et al."改进的物理融合神经网络在瑞利-泰勒不稳定性问题中的应用".力学学报 54.08(2022):2224-2234. |
| Files in This Item: | Download All | |||||
| File Name/Size | DocType | Version | Access | License | ||
| Jp2022F087.pdf（1454KB） | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | View Download | |
Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.
Edit Comment