DeepVIVONet：基于深度神经算子优化旋流诱振传感器位置
机器学习
2025-01-09 v1 最优化与控制
流体动力学
摘要
我们提出DeepVIVONet，这是一个用于海洋软管旋流诱振（VIV）的最优动态重构与预测的新型框架，基于现场数据。我们展示了DeepVIVONet在利用稀疏时空测量数据精确重构海洋软管运动方面的有效性。我们还通过迁移学习表明，该模型在外推至其他流动条件方面具有良好的泛化能力，凸显了其简化运营效率并提升预测精度的潜力。训练后的DeepVIVONet可作为海洋软管的快速精准替代模型，我们利用其在外环优化算法中获得软管放置传感器的最优位置。此外，我们采用基于正交分解（POD）的现有传感器布置方法进行比较。我们发现，尽管POD提供了初始布置传感器的好方法，但DeepVIVONet的自适应能力能够获得更精确且成本更低的配置。
引用
@article{arxiv.2501.04105,
title = {DeepVIVONet: Using deep neural operators to optimize sensor locations with application to vortex-induced vibrations},
author = {Ruyin Wan and Ehsan Kharazmi and Michael S Triantafyllou and George Em Karniadakis},
journal= {arXiv preprint arXiv:2501.04105},
year = {2025}
}