工业气体涡轮中的物理信息神经网络：最新趋势、进展与挑战
计算工程、金融与科学
2025-06-25 v1 计算机科学与博弈论
摘要
物理信息神经网络（PINNs）已成为一种通过将深度学习与物理约束集成来求解微分方程的有前景的计算框架。然而，其在气体涡轮中的应用仍处于早期阶段，需进一步精炼和标准化才能实现更广泛的采用。本综述提供了关于 PINNs 在工业气体涡轮（IGTs）研究中的综合回顾，突出了其在气动和气动机械现象分析中的贡献，以及在流场重建、疲劳评估和翘翘现象预测中的应用，并回顾了近期在准确性、计算效率和混合建模策略方面的进展。此外，本文探讨了旨在提高 PINNs 稳健性和可扩展性的关键研究工作、实施挑战及未来方向。
引用
@article{arxiv.2506.19503,
title = {Physics-Informed Neural Networks for Industrial Gas Turbines: Recent Trends, Advancements and Challenges},
author = {Afila Ajithkumar Sophiya and Sepehr Maleki and Giuseppe Bruni and Senthil K. Krishnababu},
journal= {arXiv preprint arXiv:2506.19503},
year = {2025}
}