基本信息:
- 专利标题： 一种基于物理信息神经网络的气体放电温度反演方法
- 申请号：CN202310532388.9 申请日：2023-05-11
- 公开(公告)号：CN116644658B 公开(公告)日：2024-03-15
- 发明人： 刘振宇 , 贺恒鑫 , 肖力郎 , 程晨 , 张宛霞 , 黄煜彬 , 袁召 , 陈立学
- 申请人： 华中科技大学
- 申请人地址： 湖北省武汉市珞喻路1037号
- 专利权人： 华中科技大学
- 当前专利权人： 华中科技大学
- 当前专利权人地址： 湖北省武汉市珞喻路1037号
- 代理机构： 武汉华之喻知识产权代理有限公司
- 代理人： 曹葆青; 廖盈春
- 主分类号： G06F30/27
- IPC分类号： G06F30/27 ; G06N3/048 ; G06N3/084 ; G06F113/08 ; G06F119/08
摘要：
本发明公开了一种基于物理信息神经网络的气体放电温度反演方法，属于气体放电温度反演技术领域。本发明基于纹影原理生成包含不同温度分布的训练图片，通过物理信息神经网络自适应提取图片特征，同时将包含物理先验知识的Abel方程嵌合进入网络损失函数，从而指导模型训练的具体学习过程，通过引入Abel方程作为控制方程，模型训练后的反演结果更为准确与合理，避免不符合物理实际的情况出现；模型训练过程结合了纹影正演流程，仿真模拟了多种流场分布情况，产生大批次多种类的高质量纹影图片用于PINN模型训练，提升了模型的泛用性。
公开/授权文献:
- CN116644658A 一种基于物理信息神经网络的气体放电温度反演方法 公开/授权日：2023-08-25
IPC结构图谱:
| G06F30/27 | 使用机器学习，例如人工智能，神经网络，支持向量机 |