- 博客(44)
- 收藏
- 关注
RSS订阅原创 文献阅读11.24
然后，我们为低波数和高波数部分构建神经网络，其中分别来自低波数和高波数分量的训练数据被馈送到网络中，在训练数据的谱域分解为低波数和高波数分量，简单的基于坐标的点选择可以很好地预测低波数的行为，而高波数的模式却无法捕捉到我们期望这种神经网络结构能够更好地捕获流的高波数部分，这种神经网络结构是针对低波数和高波数分量的单独网络。使用RMSE来进行与DNS之间的对比，清楚地发现，对于选择来研究PINN-1和PINN-2的参数，与PINN-1相比，PINN-2具有更低的误差措施，并且具有更高的R2分数。
2024-11-24 20:31:12
1417
原创 文献阅读11.17
此外，停止梯度技术只影响网络的自动微分，应用PINN及其改进方案求解以下7个实例：两个实例关于稳态方程，两个实例关于近似速度和扩散率，两个例子关于经典波动方程，最后一个例子是利用观测值学习扩散波动方程中的未知降雨率。对于坡度大于0.002的陡峭河流，运动波动方程可能是模拟自然洪洪波的首选，而扩散波动方程则可以更好地模拟河流和洪泛平原的洪洪波，这些河流和洪泛平原的坡度较小，在0.001和0.0001之间变化。式中，h为水深，v为波速，I为侧向流入，g为重力加速度，S0为河床斜率，Sf为摩擦斜率。
2024-11-17 20:04:37
1245
原创 文献阅读11.10
需要注意的是，本文所考虑的问题都是一维的时空问题，所以配点都是二维的。根据RCP-PINN中提出的点选择策略，图4b中的搭配点在控制方程损失较大的位置变得密集，在其他位置变得稀疏。但是以往的PINN方式依赖于训练点的数量，点分布的选项包括uniform, LHS, Sobol和其他策略，Sobol策略和LHS一样，也是一种分层抽样，采样域是均匀划分的，每个部分只有一个采样点。SA的参数为:初始温度1.0，结束温度10-6，冷却系数0.9，最大迭代次数20，初始猜测值0.01，最佳代价初始化为无穷大。
2024-11-10 20:58:30
1384
1
原创 文献阅读 11.3
使用包含波动阻尼的观测数据的数值实例表明，即使模型不完整，在控制方程中缺少波动阻尼的物理表示(例如，在这种情况下管壁粘弹性行为的蠕变函数)，基于pinn的瞬态分析也是可靠的。与传统的基于物理的数值方法相比，基于pinto的方法将嵌入在测量数据中的隐藏信息(如波阻尼和边界条件等物理特征)纳入到瞬态分析中，因此不需要完全完整的基于物理的模型。训练过程中总损失的比较(ANN的损失较小，PINN的损失较大)相反，定义的相对L2误差对于使用PINN的压力预测为0.4%，而使用ANN的压力预测为4.78%。
2024-11-04 09:26:44
907
原创 文献阅读10.27
图5和图6之间的比较表明，PINN(用部分观测值训练)对SO和SNH的预测是对普通ML模型(用所有状态变量训练)的改进。此外，图6(b)显示，PINN还可以推断未观测到的状态变量(SS, XNH, XS, XI, XND)的(隐藏的)动态，并且具有合理的精度(R2¼0.82，对这些状态变量进行平均)，尽管SS和XBH存在一些偏差。通过将领域知识作为ML损失函数中的无监督学习组件，解决方案空间受到约束/正则化，并且ML模型被引导学习生成观察数据的底层系统动态，而不是仅学习数据中的模式(例如，通用ML模型)。
2024-10-27 20:37:16
966
1
原创 学习周报10.20
本文通过比较DNN、PINN和湍流施密特模型在求解湍流传质过程中的速度场、压力场和浓度场的能力，采用控制边界条件的方法，论证了PINN在该方面的优势。且文献中所开发的PINN能够以足够的精度即时预测浓度分布，并可作为输出结果用于逆计算，以估计湍流粘度和质量扩散率，表明它在整合实验数据方面的潜力。
2024-10-20 19:10:26
1209
原创 学习周报 10.13
从图11(d2)的壁面压力分布可以看出，由于涡流/壁面的强烈相互作用，射流中心线处的系数峰值比图11(d1)和图11(d3)有了明显的增加。从同一数据集构建了2D3C PIV速度数据，以评估三维性对基于PINN的压力重建的影响，图7显示了PINN使用高分辨率2D3C PIV数据重建的速度和压力。如图10(c1) -10 (c3)所示，虽然SDFPI和IC-OPI可以呈现与撞击合成射流相关的基本压力分布，即涡核处的低压和撞击停滞处的高压，但其计算的压力场受到测量噪声的严重污染，特别是在静止的周围流体中。
2024-10-13 18:58:52
1442
原创 学习周报10.6
由图可以看出，PINN-DD再10d和30d的绝对误差都保持再4bar以下，而pinn的误差为12和18bar，从图4和图5可以看出，PINN-DD的近井区分布模式与参考值更加接近，证实了区域分解提高了近井区的模拟效果。同上面说过的，PINN不能精确的求解源项（压力梯度最大的区域）附近的值，可使用域分解将计算域被划分为两个不同的子域:小的含井子域1和大的无井子域2。图7中显示了以沿计算域对角线使用PINNDD和PINN获得的压力结果，可以看出，在压力梯度最大的区域中，PINN- dd的结果都优于PINN。
2024-10-06 20:24:37
1368
原创 文献阅读9.29
所提出的数学模型以欧拉方程为基础，使用Ansys Fluent软件包进行了细致的实现，确保了计算的准确性和可靠性，利用Ansys Fluent软件包对使用PINN方法得到的结果与使用常规数值方法得到的结果进行了深入的对比分析。一个室充满高压理想气体，称为驱动器，而另一个室，反之亦然，是低压的，称为驱动器。本文从水动力学和污染物运移动力学的基本原理出发，全面探讨了用于研究泥沙淤积引起的河道污染过程的方法和建模工具，使用PINN与数值模拟技术无缝集成，提供了一种更有效、更精确的方法来模拟各种复杂的过程和现象。
2024-09-29 18:50:08
1154
原创 文献阅读：9.22
绿色基础设施(GI)是一种生态知情的雨水管理方法，具有可持续和有效的潜力。基于渗透的GI系统，包括雨水花园、透水人行道、绿色屋顶，渗透地表水和雨水径流，以补给地下水系统。然而由于缺少长期监测，该类系统容易恶化。但我们知道，这些系统渗透水的能力取决于土壤的非饱和水力传导函数K，这样我们就可以利用体积含水量传感器的数据，通过求解Richards-Richardson偏微分方程(RRE)来估计均匀土柱的K，本文就是使用PINN来进行计算的。
2024-09-21 21:53:31
1996
原创 文献阅读9.15
请注意，并行化是在弱缩放的情况下完成的，这意味着增加GPU的数量不会减少每个GPU的工作负载。相反，增加gpu的数量会增加训练点的总数和每次迭代的数量。如果(5)中的残差不复杂，且参数NQ的个数足够小，我们可以通过求解由合适的NQ时空点生成的NQ非线性方程组，在数值上找到零根。然而，如图4所示，来自PINN求解器的误差幅度远远高于来自PetIBM的误差幅度，显示了相对于t的预测误差。因此，为了得到正确的解，PINN中的优化需要将损失最小化到非常接近于零的值，这进一步损害了方法的可解性和性能。
2024-09-14 21:00:00
2306
原创 学习周报 8.26
本周针对上周模型的流量数据进行了调整，优化了其中水位和流量数据，将高程进行重新设置，丰富了河道的变化环节，且采用了水位变化和流量变化进行计算，模型可以跑通，但水面线呈上升趋势，与实际情况不符，总结发现可能与现实地形中的水库会有拦水坝的因素有关。综上所述，故地形设置应该更加精进，在其中应该添加更多的水文要素或构筑物的高程元素，仿造真实水库地形进行假设，防止出现涌水情况，需进一步调整断面处高程，设置出构筑物形状才能体现真实情况。
2024-08-24 20:00:00
1349
原创 学习周报8.18
关于水文模型的方面，其中的断面设置上不明确，所计算出的数据在实际情况中禁不起推敲，接下来要对于该方面进行加强，以模拟真实的水文情况。
2024-08-18 20:41:13
1584
原创 学习周报：文献阅读+HEC RAS案例
该文献研究了布加勒斯特市内的达姆博维察河渠道的水力特性，使用1D HEC-RAS软件对流量在3至45 m3/s之间的流量进行模拟，以找到每组闸门的最佳开口，从而使沿河段的水位保持在目标正常池水位(NPL)高度。该项目的主要目的是通过优化控制结构的闸门开启高度，以在不同流量条件下维持各段水池的正常运行水位(NPL)。通过实验和模型验证，该研究提供了达姆博维察河在不同流量条件下的水位分布和闸门开启策略文章重点探讨了通过数值模拟优化河道控制结构的操作，以实现水资源的高效管理和生态保护的目标。
2024-07-27 15:01:00
1664
原创 学习周报：文献阅读+Fluent案例+水动力学方程推导
在本周，阅读的文献为关于PINN在模拟自由表面流动中的应用，重点探讨了浅水方程（SWE）模型的实现与优化。PINN通过在神经网络的训练过程中引入物理约束，提高了预测的准确性和稳定性。关于理论学习部分，学习了浅水方程（SWE）和圣维南方程的推导，巩固了水动力学的知识。文章介绍了物理信息神经网络（PINN）在模拟自由表面流动中的应用，重点探讨了浅水方程（SWE）模型的实现与优化。PINN通过在神经网络的训练过程中引入物理约束，提高了预测的准确性和稳定性。
2024-07-20 14:40:24
1608
原创 学习周报：文献阅读+Fluent案例+Fluent相关算法学习
在本周中，通过阅读文献，了解使用PINN来对多物料的传热流动进行模拟，文章中使用传统PINN（PINN-1）和改进过的PINN-3：它使用三个网络来求解控制方程，并在训练过程中在pinn之间传输相关的解变量。通过改进MLP超参数和网格深度以及学习率后，确定了PINN的最佳范围，并与CFD结果进行比较，发现经过改进的PINN-3在模拟方面有着更好的效果。在Fluent中，选用管道湍流分析，进行几何划分和设置求解。理论学习方面，对有luent算法基本知识进行了学习。
2024-06-16 16:39:40
1595
原创 学习周报：文献阅读+Fluent案例+有限体积法理论学习
在本周中，通过阅读文献，了解了AEABC-BPNN水质预测模型，具体做法为：以生物群落中的蜜蜂为蓝本进行输入输出层的调控，分为工蜂、观察蜂、花蜜等。并且对比了多个机器学习的模型，证明了其中的可行性。在Fluent中，选用带扭曲插入物的管道中的流动，进行几何划分和设置求解。理论学习方面，对有限体积法中的对流项离散进行了学习。文献阅读：基于自适应进化人工蜂群算法的混合bp神经网络模型用于水质指标预测文献摘要。
2024-05-26 20:54:21
1353
原创 学习周报：文献阅读+Fluent案例+有限体积法理论学习
文献阅读：非点源混合单元在自然河流反应性污染物迁移串联模型中的发展文献摘要天然河流中的大多数活性污染物来自非点源，如通过雨水径流流向农业用地和住宅区的污染物，为了拓展河流非点源模型的研究领域，文章中提出了一种用于河流反应性污染物模拟的非点源混合单元串联模型（Hybrid Cells in Series），可以很好地模拟来自溪流和河流非点源的衰变。通过同非点源和一级反应动力学的ADE模型的数值解进行了比较，结果显示出相当好的一致性，表明该模型能够有效地模拟天然河流中活性污染物的运移。讨论|结论。
2024-05-19 20:50:32
1071
原创 学习周报：文献阅读+Fluent案例+有限体积法理论学习
在本周中，通过阅读文献，进一步了解了域分解PINN分类及原理和优劣性，具体做法为：每个子域使用单独的PINN来计算局部解，通过在接口处施加额外的连续性条件来无缝连接。且可以通过研究各界面上的各种连续条件用于提高性能。在Fluent中，选用入口排气和质量流出口的边界条件应用分析，进行几何划分和设置求解。理论学习方面，对有限体积法中的离散过程进行了学习。文献阅读：通过领域分解的并行物理信息神经网络文献摘要本文介绍了一种分布式的物理信息神经网络(PINNs)框架，这两种扩展分别在空间和时空上采用域分解。
2024-05-12 20:01:37
1128
原创 学习周报：文献阅读+Fluent案例+有限体积法理论学习
文献阅读：使用带有域分解的PINN求解NS方程文献摘要本文通过使用域分解的PINN来求解NS方程，并评估了该方法的准确性，收敛性以及不同策略对预测性能的影响。每个子域使用单独的PINN来计算局部解，通过在接口处施加额外的连续性条件来无缝连接。且可以通过研究各界面上的各种连续条件用于提高性能。
2024-05-05 20:41:30
1634
原创 学习周报：文献阅读+Fluent案例+水力学理论学习
在本周中，通过阅读文献，对PINN在大尺度模型的研究进行了解，在大尺度河流模型中，PINN可以做到简化模型、缩小大尺度河流模型解的比例的作用。Fluent中，选用离心泵内流场仿真的案例，了解到在旋转机械中的流动如何进行设置。理论学习方面，液体三元流的基本原理进行了学习。文献阅读大尺度河流模型的圣维南方程的物理信息神经网络文献摘要给出了一个基于最先进的物理信息神经网络(PINN)的机器学习(ML)框架，以模拟子网格尺度上的降尺度流。
2024-03-30 18:19:43
1561
原创 学习周报：文献阅读+Fluent案例+水力学理论学习
在本周中，通过阅读文献，对PINN在流体力学中的研究进行了解，在本次总结中选取其中一篇，低雷诺数情况下，PINN对圆柱绕流的预测和CFD的对比进行描述。Fluent中，选用催化转换器模型的内流场仿真，了解多孔介质流动在fluent中如何实现。理论学习方面，对层流和紊流相关知识进行了学习。低雷诺数圆柱流动的物理信息神经网络（PINN）文献摘要PINN可以用于流体动力学的代替模型，以降低计算成本，本次阅读的文献以使用PINN来验证流体力学中的公式，并以经典的低雷诺数圆柱绕流的案例呈现。
2024-03-24 18:54:59
2489
原创 学习周报：文献阅读+Fluent实例+水力学理论学习
在本周里，我主要对水力学的水动力学部分进行了学习，内容包括基本概念，两种液体运动的描述方法，恒定流连续方程、能量方程、动量方程的推导。文献阅读部分查找了关于使用PINN预测管道水力条件瞬态变化的文章，明白了PINN在预测瞬态压力变化的优势性。Fluent实例为观察螺旋管中的压力、速度情况。文献阅读(基于物理信息的管道系统水力瞬态分析神经网络)一、文献摘要该文献提出了一种新的基于物理和数据驱动的定向瞬态压力重建方法，无需建立完整的管道系统模型。新方法通过在训练过程中结合测量数据和瞬态流动的物理规律。
2024-03-17 16:28:06
1759
原创 学习周报：文献阅读+FLuent实例+理论学习
在本周里，我主要进行了三个方面的学习，首先阅读了一篇关于使用PINN在预测非饱和土壤水流动时三种损失函数对于结果的影响。其次在Fluent案例学习中，通过自己建模和绘制网格对原油管道进行了两相流的CFD分析，最后学习了流体力学中的基础概念，包括静水力学部分和基本概念。文献阅读部分（基于原则损失函数的物理信息神经网络非饱和土水流模型）文章摘要本文研究了损失权值和随机状态对rre求解pin性能的影响，以及减轻这种影响的可能解决方案。
2024-03-10 11:00:56
1322
原创 学习周报：文献阅读+Fluent案例
本周阅读了一篇使用DeepONet和PINN结合的新型预测模型CPNN的介绍讲解，文章中展现了三种预测模型准确度的对比和CPNN与CFD仿真中的结果对比。Fluent案例为飞行器外气动可压缩流场仿真，对于以后在计算外流场的特征尺寸和选取计算域的关系中可以参考该案例的方法。文献阅读部分：尽管数十年来CFD在各种水处理系统(如澄清池、活性污泥工艺、臭氧接触器等)中得到了发展和演示，但它仍然主要用于学术研究，在土木和环境工程实践中的应用有限。这种限制是由其较高的计算成本和对专业用户技能的需求造成的。
2024-03-03 15:58:11
1892
原创 第二十周：Fluent案例+文献阅读
在本周，我主要进行了关于物理信息神经网络（PINN）的学习，且对机器学习和深度学习的基本概念进行了认识学习。在Fluent案例当中，本周进行的是模拟了通过具有相同进口和出口截面面积的圆形到矩形过渡管的湍流流动，使用fluent计算值和实际值的对比，可看出其fluent的计算值和实验值拟合的较好。纳维-斯托克斯方程描述了许多科学和工程感兴趣的物理现象。它们可以用来模拟天气、洋流、管道中的水流和机翼周围的空气流动。
2024-01-20 22:09:17
2373
原创 第十九周：FLUENT学习周报
在本周里找到了同样运用同心圆讨论的案例，对于Fluent的操作更加熟悉，且加强了原本不理解的FLuent中的术语，网格划分作为仿真模拟中最重要的方面，关于如何判断网格质量和如何绘制一幅好的网格，这些基础知识必不可少。在下周，我会加强后处理即结果展示部分和流体力学的学习，加深在实际操作中运用知识的能力。
2024-01-13 20:44:40
1686
1
原创 第十八周：Fluent实例仿真+文献阅读
本周的fluent案例讨论是模拟圆柱绕流出现层流涡街（40<Re<150）的情况，即流体经过圆柱后会产生两侧会周期性地脱落出旋转方向相反、并排列成有规则的双列线涡的现象。在本周的文献阅读中，回顾了流物理信息学习，无缝集成数据和数学模型，并使用物理信息神经网络(pinn)实现。证明了pinn在与三维尾流、超音速流和生物医学流相关的逆问题中的有效性。
2024-01-06 17:17:04
3516
1
原创 第十七周：CFD学习+fluent实例
本周我完成了CFD理论的初步学习，包括湍流和转捩的预测、湍流模型的求解和适用条件、代数方程组的求解。关于Fluent实例部分，我进行的是模拟水在波浪表面上的流体流动，流体流过温度升高的波状表面，存在从波状表面到流动流体的热传递的对流模式，流体的温度升高。本次的Fluent模拟中，本次后处理的图是采用案例中的图片，按照案例模拟的曲线并未达到收敛，重复修改对照后并未实现，让我第一次感受到了无法收敛的无力感，在下周的案例选取中会更加仔细的选择，争取不再出现本次的错误。
2023-12-31 00:00:21
1362
原创 第十六周：CFD有限体积法学习+fluent欧拉多相流模型仿真案例
在本周内，我主要进行了关于有限体积法的进一步学习，内容包括：通量分裂技术、通量差分分裂（FDS）的补充学习，加速收敛技术和有限元技术和间断有限元方法的学习。在Fluent案例中，本周对欧拉多相流模型的应用进行了仿真学习，明白了如何对欧拉多相流模型进行设置，在结果中查看当水流注入到构筑物中与空气产生混合时进行的变化。本周完成了CFD有限体积法的学习，梳理了有限体积的概念及求解过程，其求解运算方式与有限差分法基本相同，本质上只区别再控制体的选择上面，还对有限元分析有了初步了理解。
2023-12-24 00:51:02
4578
2
原创 第十五周：CFD基础理论+Fluent案例学习
本周中，主要对CFD的有限体积法和在fluent中对蛇形管中的流量模拟进行了仿真，明白了有限体积相较于有限差分法的优缺点、分类、控制方程以及如何进行计算。本次的Fluent案例中，学习了如何使用扫掠选项创建几何图形，蛇形管的湍流模型设置和使用inlet vent 进行进口边界条件的设置。
2023-12-17 00:34:46
986
1
原创 第十四周：CFD有限差分法学习+FLUENT狭窄通道内的流体流动案例学习
本周完成了关于CFD的有限差分法的学习，接下来将进行入有限体积法的相关学习，补充完有限差法分的基础理论，我对在Fluent实际操作中的模型运用有了更多的理解，明白在各个选项的意思的用途。在下一周中，我学习论如何设计出口部分以防止尾流形成，收敛发散喷嘴（De Lavel）的细节和文丘里效应的Fluent案例的实际操作，循序渐进的完成Fluent的学习。
2023-12-10 19:54:53
1937
原创 第十三周：CFD基础理论+Fluent实例学习
本周主要尝试了热传导和对流方面的Fluent案例学习，明白了其常用模型的理论基础和实际运用间的差别，几乎无需进行多处修改，在fluent的默认参数中即可进行收敛计算。但在网格划分的部分中，网格质量小于案例中的质量，现在原因还未找出，但版本不同的概率较大。在CFD理论中，对有限差分法的理论和数学物理基础进行了更深入的学习，受益匪浅。
2023-12-03 19:55:59
2410
6
原创 第十二周：CFD基础理论+Ansys实例学习
在本次的Ansys实例中，出现了于演示案例不同的情况，在我实际运行的过程中发现其压降数远远大于案例中的压降数，不排除版本不同的可能性，我个人认为可能是由于在网格划分的时候所进行的加密程度不够，导致不能取得合理的值，在下次的案例中会基于这点进行优化。关于CFD部分，补充了有限差分法的相对应知识，但其中涉及的傅里叶变换的方法、时间离散中的龙格-库塔法还需进一步的补充学习。
2023-11-26 16:50:48
1372
1
原创 第十一周：CFD有限差分法+排气歧管内流场案例仿真
本周Fluent部分使我受益良多，明白并不是按照案例进行一步步的运算即可出现稳定的结果，要时刻关注其网格绘制情况，若不注意即会酿成大错，且对于模型后处理的部分也有更深刻的理解。在CFD基础理论中，明白了有限差分法在遇到复杂网格处理时的劣势，需将复杂网格通过雅可比变换等方式化成均匀网格才可进行计算，以及在存在有间断处的情况，如何使用守恒型的差分格式对其进行描述。
2023-11-18 22:52:13
703
1
原创 第十周：CFD差分方法学习+ansys 后台阶流仿真案例学习
在本周的fluent实例中，了解到后台阶流模型是一种经典的湍流分析模型，由于其存在梯度特性，且会发生回流，故在实际工程问题中如何减少其能量的损失便需要将发生回流的部分进行网格加密和调整其网格最大值的操作，且为使最终结果收敛，可将最难收敛的项即连续性方程的残差调整，使其稳定，故其余项便达到稳定状态。在CFD的学习中，只是将有限差分法的概念进行了一个开头，在下周将会对其展开讨论。
2023-11-12 10:24:04
1123
1
原创 CFD双曲线方程组+ansys 管道湍流分析
本周在Ansys湍流模型的理解中，明白了各模型的适用条件和优缺点，了解了其中的数学和物理意义及其进行运算模拟的方法，对于在实际流体模拟中如何选用模型有了更深刻的认识。在实例中，发现网格划分的问题，并采用将两个几何体分别划分网格后，再进行面网格的划分可以解决其例如网格重叠、网格缺失的问题，对今后的流体模拟运算中有很大的帮助。关于CFD的双曲型方程的学习中，明白了如何对其进行求解，如何划分扰动区域从而简化计算，黎曼不变量的概念以及更直观的特征线含义。
2023-11-05 18:43:12
999
1
原创 第七周学习周报：Ansys工程实例+CFD的基本模型方程
本次进行的workbench组合使用使我更进一步加强了对于ansys fluent 的实际应用，如何进行一体化的设计计算在实际工程案例中是十分重要的，关于CFD理论方面，明白何为基本模型方程，模型方程即将一个大的复杂的方程进行简化后，将其中特定的物理量通过一个简短的类似方程进行试运算，在模型方程中若可以得出一个精确解，既可以在相对应的复杂方程中可以套用相对的运算。
2023-10-29 18:32:47
538
原创 第六周学习周报：CFD+spaceclaim模型创建
在本周的学习之后，对于散度和旋度以及偏微分方程的在流体中的应用有了更好的理解，对于在流场中的偏微分方程更加形象，懂得了处于流场中的某一点的影响域、依赖域如何划分，为以后的学习做好了更充足的准备。
2023-10-22 18:50:24
581
1
原创 第五周：CFD偏微分方程部分+Ansys fluent 求解器设置学习周报
在本周的学习中，对CFD的基础理论学习进行了丰富，了解到其一个基本的理论支持，学习了相关数学概念，让我在看资料视频时的阻力减少，CFD为交叉理论学科，需要补充的其他学科知识点还有很多，在以后的学习中我会针对性对数学理念进行补充学习。熟悉了Ansys fluent 求解器的设置及运行操作让我对Ansys的功能理解更进一步。
2023-10-14 22:28:48
949
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人