基于 ANN 的扩展卡尔曼平滑算法快速在线求解逆传热问题
系统与控制
2023-04-04 v1 系统与控制
数据分析、统计与概率
流体动力学
摘要
数字孪生是许多先进应用的现代技术。为构建热系统的数字孪生，需要根据传感器实测数据在线估计未知时变边界条件，这需求解逆传热问题（IHTPs）。然而，由于测量数据通常含噪且传统求解 IHTP 的方法计算量巨大，快速而精确的求解颇具挑战。因此，本工作开发了一种称为基于 ANN 的扩展卡尔曼平滑算法的快速且鲁棒的反演算法，以基于测量值实现目标参数的在线预测。该快速预测通过用预训练 ANN 替换扩展卡尔曼平滑算法中传统的基于 CFD 的状态转移模型来实现。随后，以一个二维内部对流换热问题作为案例研究对算法进行测试。结果证明所提算法是求解 IHTPs 的一种计算轻量且鲁棒的方法。所提算法能在标准偏差为 10 K 的含噪温度测量下，以无量纲平均误差 0.0580 估计未知边界条件，且相比传统方法计算成本大幅降低。此外，还研究了训练数据、传感器位置、未来时间步选择对预测性能的影响。
引用
@article{arxiv.2304.00021,
title = {Rapid online solution of inverse heat transfer problem by ANN-based extended Kalman smoothing algorithm},
author = {Xinxin Zhang and Dike Li and Jianqin Zhu and Zhi Tao and Lu Qiu},
journal= {arXiv preprint arXiv:2304.00021},
year = {2023}
}