面向二维不可压缩热对流问题的物理信息神经网络
流体动力学
2022-06-20 v1
摘要
物理信息神经网络（PINNs）近年来因其在工程问题中的有效性以及无需生成复杂网格即可处理问题的能力而受到关注。PINNs利用自动微分评估守恒律中的微分算子，因此不需要离散化方案。借助这一能力，PINNs在损失函数中满足物理控制定律而无需任何训练数据。本工作中，我们求解了多种不可压缩热对流问题，包括实际应用以及与数值或解析结果可比较的问题。我们首先考虑一个具有解析解的通道问题以展示网络的精度。随后，我们求解一个封闭腔体内的热对流问题，其中流动仅由边界上的温度梯度引起。最后，我们考虑稳态与非稳态部分阻塞通道问题，其类似于电力电子的工业应用。
引用
@article{arxiv.2206.08658,
title = {Physics Informed Neural Networks for Two Dimensional Incompressible Thermal Convection Problems},
author = {Atakan Aygun and Ali Karakus},
journal= {arXiv preprint arXiv:2206.08658},
year = {2022}
}