公开(公告)号：CN117272570B

公开(公告)日：2024-05-24

申请号：CN202311474020.8

申请日：2023-11-07

Applicant: 福州大学

Inventor： 张挺 ,  詹昌洵 ,  杨丁颖 ,  章思茜 ,  徐普 ,  鄢锐

IPC: G06F30/18 ,  G06F30/23 ,  G06F30/27 ,  G06F30/28 ,  G06N3/0499 ,  G06N3/08 ,  G06F113/08 ,  G06F113/14 ,  G06F119/14

Abstract: 本发明提供一种基于傅里叶特征化PINN的输流管道振动分析方法，包括构建物理信息神经网络（PINN），根据输流管道模型确定初始条件与边界条件，并得到其对应的损失函数；以“软”约束将第二类边界条件和管道初始激励表述到PINN损失函数中，以“硬”约束将第一类边界条件及初始振幅编码到DNN体系结构中，同时在网络中加入观测锚点，在网络模型训练过程中出现峰值不足时用以矫正；构建傅里叶特征映射函数，对网络的神经正切核进行调整，将两种映射结果分别通过设置好的网络进行训练，并最后在网络中通过点乘法将空间和时间的隐藏层联系起来，建立FFNN网络；经过训练学习，最后通过线性层连接输出预测结果。

公开(公告)号：CN117272570A

公开(公告)日：2023-12-22

申请号：CN202311474020.8

申请日：2023-11-07

Applicant: 福州大学

Inventor： 张挺 ,  詹昌洵 ,  杨丁颖 ,  章思茜 ,  徐普 ,  鄢锐

IPC: G06F30/18 ,  G06F30/23 ,  G06F30/27 ,  G06F30/28 ,  G06N3/0499 ,  G06N3/08 ,  G06F113/08 ,  G06F113/14 ,  G06F119/14

Abstract: 本发明提供一种基于傅里叶特征化PINN的输流管道振动分析方法，包括构建物理信息神经网络（PINN），根据输流管道模型确定初始条件与边界条件，并得到其对应的损失函数；以“软”约束将第二类边界条件和管道初始激励表述到PINN损失函数中，以“硬”约束将第一类边界条件及初始振幅编码到DNN体系结构中，同时在网络中加入观测锚点，在网络模型训练过程中出现峰值不足时用以矫正；构建傅里叶特征映射函数，对网络的神经正切核进行调整，将两种映射结果分别通过设置好的网络进行训练，并最后在网络中通过点乘法将空间和时间的隐藏层联系起来，建立FFNN网络；经过训练学习，最后通过线性层连接输出预测结果。

公开(公告)号：CN119415868A

公开(公告)日：2025-02-11

申请号：CN202411446597.2

申请日：2024-10-16

Applicant: 福州大学

Inventor： 张挺 ,  詹昌洵 ,  鄢锐 ,  杨丁颖 ,  章思茜 ,  徐普

IPC: G06F18/20 ,  G06F18/2131 ,  G06F18/25 ,  G06N3/0499

Abstract: 本发明公开了基于多重傅里叶特征化PINN的海底管道涡激振动分析方法，包括：构建物理信息神经网络，根据海底管道涡激振动模型确定初始条件、边界条件、偏微分方程（PDEs）三者的损失函数，并加入锚点对网络进行修正，以提升其拟合能力；采用傅里叶变换技术，精确识别振动的关键频率及其频率取值，引入傅里叶映射#imgabs0#函数，构建多重傅里叶映射网络对振动信号进行精细化的映射分解与特征提取；根据关键振动频率的数量及其取值，动态调整映射次数与超参数，以克服PINN在处理复杂振动信号时的局限；通过逐点乘法将时空特征整合，输出振动学习结果；本发明提升解析精度，增强处理多种高低频叠加振动的能力，有效解决高频信息学习时的频谱偏差问题。