Scidown文献预览系统!
物理信息的神经网络建模的热化学固化过程的复合工具系统制造( Physics-informed neural network for modelling the thermochemical curing process of composite-tool systems during manufacture )
Sina Amini Niaki Ehsan Haghighat Trevor Campbell Anoush Poursartip Reza Vaziri
我们提出了一个物理信息神经网络(PINN)来模拟复合材料在高压釜中固化的工具上的热化学演化。特别地,我们通过使用基于物理的损失函数优化深度神经网络(DNN)的参数来求解控制耦合微分方程组--包括导电传热和树脂固化动力学。为了解决热传导和树脂固化行为的巨大差异,我们设计了一个由两个子网络组成的PINN,并开发了一种序贯训练算法,以缓解传统训练方法的不稳定性。此外,我们在复合工具界面将显式的不连续性纳入DNN中,并在损失函数中直接强制已知的物理行为,以改进界面附近的解。我们用一种技术来训练PINN,该技术自动地调整与偏微分方程、边界、界面和初始条件相对应的损失项的权重。最后,我们证明了可以将问题参数作为模型的输入--从而产生一个代理,为一系列问题设置提供实时模拟--并且可以使用迁移学习来显著减少类似于初始训练模型的问题设置的训练时间。在不同材料厚度和热边界条件的多种情况下,证明了所提出的PINN的性能。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】