基于物理信息神经网络识别声学管道中的物理属性

物理信息神经网络（PINN）是一种将对应于支配方程的损失函数纳入神经网络中的数值仿真方法。虽然 PINN 已被探索用于其在逆分析中的实用性，但其在声学分析中的应用仍有限。本研究提出了一种方法，用于使用 PINN 识别声学管道中的损耗参数。我们将损耗参数分为两类：一类取决于管道直径，另一类则是常数，独立于直径。后者被设定为神经网络的可训练参数。损耗参数的识别问题被形式化为一个优化问题，通过该过程确定物理属性。所采用的神经网络架构基于我们先前提出的 ResoNet，该网络专为分析声学共振设计。通过正向和逆向分析，具体是通过损耗参数的识别来评估所提出方法的有效性。研究结果表明，能够准确识别显著影响所分析声场的那些参数。仅通过对支配方程中的损失函数进行修改，即可将该方法适用于各种声场，从而显示其广泛应用的潜力。