物理信息神经网络对圆管内层流流动和换热的数值模拟验证与求解效率研究

摘要

[目的]提出了一种将在标准条件下训练的权重和偏置信息加载到模型中的方法，以提升相邻条件下物理信息神经网络(physics-informed neural network, PINN)数值模拟效率.[方法]以二维圆管为对象，流动状态为稳态流动，控制方程为受重力影响的Navier-Stokes方程组，利用解析解对PINN模拟精度进行验证并对超参数进行敏感性分析，进而对圆管内层流流动换热过程进行数值模拟，并利用权重与偏置信息对邻近工况进行预测.[结果] PINN数值模拟具有可行性和准确性，与传统软件Fluent计算结果的相对误差约±5%.载入已有工况权重和偏置信息可以显著提高PINN数值模拟的效率，速度场与温度场同Fluent计算结果的相对误差均小于±5%.[结论]利用PINN可以对流体层流流动换热进行数值模拟，同时可以利用预训练的权重和偏置信息提高数值模拟效率.

关键词

物理信息神经网络 / 对流换热 / 数值模拟