摘要
本发明属于红外热波无损检测与材料热物性测量技术领域,尤其涉及一种基于物理神经网络的热扩散率测量方法。本发明提出一种基于物理信息神经网络框架的热扩散率测量方法,通过引入无量纲边值问题建模机制,在不依赖精细网格划分的条件下,实现对材料热扩散率的高精度测量。本发明包括以下步骤:步骤S1:建立基于具体材料几何参数的具有空间相关冷却系数满足二维热传导方程的热波模型;在该模型中,通过周期性调制激光束对材料进行加热,周期性激发的热源导致材料表面产生温度波动;步骤S2:基于步骤S1,使用变量分离法分离热波场的振幅和相位,建立无量纲的振幅和相位偏微分方程,以及对应的热波场域的无量纲混合型边界条件。
技术关键词
率测量方法
神经网络框架
物理
红外热波无损检测
热传导方程
滤除直流分量
周期性
优化神经网络
更新网络参数
初始化方法
混合型
激光束
横截面面积
热源
数据
空间结构
热成像
数学模型
系统为您推荐了相关专利信息
流固耦合模型
降噪方法
三维物理模型
噪声源
材料特性参数
节点
数据
计算机执行指令
PageRank算法
物理
监控分析方法
球形多孔
协同优化算法
分析烟叶
无量纲参数
分布式发电资源
协同方法
分布式资源
数据存储安全性
框架设计方法