申请/专利权人：大连理工大学

申请日：2023-12-26

公开（公告）日：2024-03-29

公开（公告）号：CN117786286A

主分类号：G06F17/11

分类号：G06F17/11;G06F30/28;G06F30/27;G06F17/13;G06F111/04;G06F113/08;G06F119/14

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明公开了一种基于物理信息神经网络的流体力学方程求解方法，包括：步骤一：确定计算域满足的流体力学控制方程以及边界条件和初始条件；步骤二：在计算域内选取用于训练的残差点、边界约束点和初始约束点；步骤三：根据自定义的改进多层感知机结构构建神经网络，输入训练点，通过神经网络输出相应的流场数据，建立流体力学模型；步骤四：利用自动微分技术计算控制方程残差；步骤五：计算控制方程损失、边界条件损失和初始条件损失，采用加权和形式得到损失函数；步骤六：通过自适应权重法平衡各项损失函数，实现自适应调整损失函数权重；步骤七：使用优化算法获得最优损失函数权重和神经网络参数，得到所求的流体力学模型，对流场进行模拟。

主权项：1.基于物理信息神经网络的流体力学方程求解方法，其特征在于，包括以下步骤：步骤一：确定计算域满足的流体力学控制方程以及边界条件和初始条件；步骤二：在计算域内选取用于训练的残差点、边界约束点和初始约束点；步骤三：根据自定义的改进多层感知机结构构建神经网络，输入训练点，通过神经网络输出相应的流场数据，建立流体力学模型；步骤四：利用自动微分技术计算控制方程残差；步骤五：计算控制方程损失、边界条件损失和初始条件损失，采用加权和形式得到损失函数；步骤六：通过自适应权重法平衡各项损失函数，实现自适应调整损失函数权重；步骤七：使用优化算法获得最优损失函数权重和神经网络参数，得到所求的流体力学模型，对流场进行模拟。

全文数据：

权利要求：

百度查询： 大连理工大学 基于物理信息神经网络的流体力学方程求解方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD