利用物理信息神经网络学习燃烧室中的热声相互作用
流体动力学
2024-10-18 v1
摘要
我们引入了一种物理信息神经网络 (PINN) 方法来研究导致燃烧室中燃烧不稳定性的热声相互作用。具体而言，我们采用 PINN 研究钝体锚定火焰燃烧室中的热声相互作用，该燃烧室代表了冲压发动机和工业燃烧室。涡脱落和声振荡出现在此类燃烧室中，它们的相互作用导致了涡 - 声锁频现象。三个位置的声压波动和总火焰放热率作为测量数据。耦合参数化模型基于声学方程和用于涡脱落的 van der Pol 振荡器。PINN 被应用于该燃烧室，其中在实验进行时并未预料到适合未来机器学习应用的测量数据，这与文献中绝大多数可用数据的情况相同。我们展示了 PINN 在整个时空域生成声场（压力和速度波动）以及估计模型所有参数的良好性能。因此，这种基于 PINN 的模型有可能成为改进现有燃烧室或设计新的热声稳定且结构高效燃烧室的有效工具。
引用
@article{arxiv.2401.00061,
title = {Learning thermoacoustic interactions in combustors using a physics-informed neural network},
author = {Sathesh Mariappan and Kamaljyoti Nath and George Em Karniadakis},
journal= {arXiv preprint arXiv:2401.00061},
year = {2024}
}