基于物理信息神经网络的传热过程物理场代理模型的构建

物理信息的神经网络(PINN)通过构建结构化的深度神经网络体系,可以有效地耦合基于物理定律的非线性偏微分方程组(如Navier-Stokes方程),能够在较少量的边界数据条件下解决监督学习问题。但是,PINN训练效果与边界条件的设置方式密切相关。本工作以具有内热源的二维稳态导热方程和平板间二维稳态对流传热方程为案例,基于软边界和硬边界两种设定方法构建PINN。将训练所得到的代理模型预测温度场输出,并将其与软件模拟结果进行验证分析,结果表明硬边界PINN代理模型预测能力较优。