融合物理模型的神经网络应用探索

Posted 2021-04-26 力学与人工智能

---

本次分享的是中国科学院力学研究所王一伟研究员在智能赋能流体力学暨第二届流体力学智能化研讨会上所做特邀报告的PPT，在此感谢王一伟研究员的分享。

王一伟 ，中国科学院力学研究所研究员，博士生导师、科技发展与规划处处长，主要从事跨介质高速水动力学问题研究，成果应用于我国相关多个重大工程型号研制与新概念装备探索。目前担任研究所学位委员会委员、力学学会流体力学专业委员会秘书长、青年工作委员会委员、Journal of Hydrodynamics执行编委、水动力学研究与进展副主编、力学学报编委等职，入选中科院青年创新促进会优秀会员，先后主持了基础加强计划重点项目、国防基础科研重点项目等多项重要任务。

报告摘要：

当前智能化方法在流体力学领域中的应用已经越来越广泛。然而，许多实际工程任务都缺少丰富的训练数据，为建立智能的解决方案带来了较大的困难。本报告试图采取将现有的物理规律、理论模型等与神经网络结合起来，探索采用较少的数据训练神经网络的模式，为解决工程实际问题提供参考。报告主要通过两个案例对该思路进行说明：一是针对水下发射空泡复杂演化，在发射环境、条件等输入数据基础上，引入理想气泡动力学的数值解作为辅助，采用CNN、U-net网络结构和多尺度网络组合模式，实现了空泡内部压力-时间曲线的重构；二是针对离心泵的性能预测，将传统理论预测模型融入到神经网络结构中，大大降低了单独使用神经网络对于样本量的依赖性，提升了离心泵性能的预测精度。

---

链接：https://pan.baidu.com/s/10nVFohVV1R_s_RY74_pePg提取码：s1ya

---

END