公开(公告)号：CN117973036A

公开(公告)日：2024-05-03

申请号：CN202410138163.X

申请日：2024-01-31

Applicant: 厦门大学

Inventor： 邱若凡 ,  罗国笠 ,  李丹 ,  鲍越 ,  尤延铖 ,  毛志平

IPC: G06F30/20 ,  G06F30/28 ,  G06F17/11 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明公开了一种基于PINNs的超声速进气道试验流场重构方法、装置及可读介质，包括：在超声速进气道试验流场中采集各个归一化后的坐标对应的物理参数的试验值，得到训练数据，物理参数包括压强、密度、温度、速度；构建基于PINNs的超声速进气道试验流场重构模型；构建粘性流动的物理控制方程，基于训练数据和粘性流动的物理控制方程构建总损失函数，采用总损失函数对超声速进气道试验流场重构模型进行训练，得到经训练的超声速进气道试验流场重构模型；获取超声速进气道试验流场的归一化后的坐标，将归一化后的坐标输入经训练的超声速进气道试验流场重构模型，得到坐标对应的物理参数的预测值。本发明不仅能有效提高重构的准确度，还能降低重构难度。

公开(公告)号：CN117610631A

公开(公告)日：2024-02-27

申请号：CN202311666236.4

申请日：2023-12-06

Applicant: 厦门大学

Inventor： 尤延铖 ,  鲍越 ,  邱若凡 ,  楼锦华 ,  毛志平

IPC: G06N3/08 ,  G06N3/04 ,  G06F17/11

Abstract: 本发明公开了一种基于欠定方程物理约束的神经网络训练方法、物理场重构方法及装置，获取训练数据，其中输入数据为物理场中的自变量，输出数据为对应的物理场中的可知物理量的真实值；构建基于神经网络的物理场重构模型，物理场重构模型的输入数据数据为物理场中的自变量，物理场重构模型的输出数据为物理场中的可知物理量的预测值和未知物理量的预测值；损失函数包括可知物理量的预测值与可知物理量的真实值之间的差距以及基于未知物理量的预测值所构成的欠定方程物理约束；采用训练数据对物理场重构模型进行训练，直至损失函数收敛，得到经训练的物理场重构模型，能满足利用部分已知信息包括物理信息模糊的方程与局部已知解进行物理场重构的需求。

公开(公告)号：CN116362108A

公开(公告)日：2023-06-30

申请号：CN202310116158.4

申请日：2023-02-15

Applicant: 厦门大学

Inventor： 尤延铖 ,  翁聿欣 ,  邱若凡 ,  鲍越 ,  毛志平

IPC: G06F30/27 ,  G01D21/02 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于试验数据的斜爆震流场重构方法及系统，方法包括：构建用于斜爆震流场重构的基于物理信息的神经网络PINNs；包括定义神经网络的结构和损失函数；获取斜爆震试验中测量得到的试验数据，基于所述试验数据生成训练数据集；使用所述训练数据集对基于物理信息的神经网络PINNs进行训练，重构得到使得所述损失函数最小的斜爆震流场。本发明通过已知部分斜爆震流场的壁面压力以及密度梯度等数据，利用PINNs捕捉流场信息进行斜爆震流场还原，实现根据少量试验测点数据重构整个斜爆震流场。

公开(公告)号：CN116227344A

公开(公告)日：2023-06-06

申请号：CN202310116159.9

申请日：2023-02-15

Applicant: 厦门大学

Inventor： 邱若凡 ,  翁聿欣 ,  尤延铖 ,  鲍越 ,  毛志平

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G01D21/02

Abstract: 本发明公开一种基于深度神经网络的斜爆震流场求解方法及系统，方法包括：建立流场数据库；构建用于斜爆震流场求解的DeepM&Mnet框架；基于所述流场数据库，分别对两个DeepONets预训练网络进行训练，获得使得第二损失函数最小的网络，作为训练好的第一预训练网络和训练好的第二预训练网络；基于已知流场数据和DeepM&Mnet框架，通过逆向求解和/或正向求解获得斜爆震流场。本发明将多种工况的斜爆震流场数据采用DeepONets进行预训练，在此基础上，利用含有物理约束的DeepM&Mnet进行求解，从而实现在边界信息不足的情况下可基于少量数据求解斜爆震流场。