摘要
本发明公开了一种基于LAAF‑PINN的管道流场重塑方法,首先,采集管道测点的流场数据;将测点划分为监测点和测试点,并对数据序列进行预处理;构建LAAF‑PINN,沿管线随机选取搭配点,输入监测点和搭配点的时空序列,得到模型输出;根据监测点的模型输出计算数据损失项,由搭配点的模型输出计算残差得到偏微分方程损失项,两者组合得到总损失;多轮迭代更新后,得到训练完毕的PINN模型,输入测试集的时空序列,能够快速、准确地重构对应的流场信息。本发明将LAAF‑PINN应用于管道水力瞬变研究中,拓展了现有的流场重塑方法,对含有不确定性因素的数据也具有较好的鲁棒性,同时避免了正向模拟可能存在的计算精度不高的问题。
技术关键词
重塑方法
监测点
管道
测试点
数据驱动方式
序列
神经网络参数
方程
神经网络训练
加速度
重构
水头
水力
优化器
流速
鲁棒性
算法
物理
系统为您推荐了相关专利信息
三维可视化方法
监测系统
薄板样条插值
网络时间同步
网格
异常识别方法
特征提取模块
管道
特征金字塔
无人机巡检系统
管道机器人
机器人主体
万向节组件
辅助支撑组件
滚轮组件
营救方法
小车
机器人摄像头
活动卡口
机器人被困
灾害监测预警方法
预警模型
BART算法
多源异构数据
机器学习算法分析