基于物理信息神经网络求解燃烧问题

摘要

提出基于物理信息神经网络(physics-informed neural networks,PINNs)框架求解燃烧问题．考虑三类不同燃烧问题来评估模型性能：零维绝热恒压反应器、一维层流预混自由传播火焰和二维层流非预混三叉火焰．结果表明，在零维和一维问题中，PINNs可以实现不同燃烧工况模拟，准确预测着火延迟时间或层流火焰速度．在二维问题中，PINNs能够较好预测速度，组分质量分数、温度等变量分布、准确捕捉火焰结构．本文工作发掘了PINNs应用于实际燃烧问题的潜力，为结合物理信息约束的燃烧模型开发提供了新的思路和方法．

关键词

基于物理信息神经网络 / 多类燃烧场景 / 燃烧

基金资助

国家自然科学基金资助项目(52022091,51976185)