期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于物理信息神经网络的电解池内部两相流状态分布协同估计
1
作者 沈科炬 陆晓红 +6 位作者 何整杰 彭佳鹰 王灿 秦如意 郑瑞云 徐科兵 章雷其 《洁净煤技术》 北大核心 2025年第S2期392-400,共9页
质子交换膜电解池已发展为最有前途的制氢设备,但电解池内部水两相流传输严重影响其制氢效率,针对电解池两相流状态分布不可测、不可观难题,构建了一种基于物理信息神经网络(PINN)的两相流状态分布协同估计策略。该方法通过深度神经网... 质子交换膜电解池已发展为最有前途的制氢设备,但电解池内部水两相流传输严重影响其制氢效率,针对电解池两相流状态分布不可测、不可观难题,构建了一种基于物理信息神经网络(PINN)的两相流状态分布协同估计策略。该方法通过深度神经网络架构提取体积分数和流速等状态的时空依赖关系,并引入初始条件误差、边界条件误差和偏微分方程误差,从而实现对复杂两相流传输机制的解耦建模。其中偏微分方程项基于混合物模型与Schiller-Naumann滑移模型,基于传统自动微分的计算方法无法建立与周围相邻点的有效联系,增加了网络训练不收敛的风险。结合自动微分与二阶中心矩差分算法计算偏微分方程项,进一步提升了模型的精度和可解释性。此外,为加速模型的收敛,设计了一种全局状态误差的贝叶斯优化算法,用于微调偏微分方程误差和预测张量误差的权重分配。最后通过有限元仿真验证了所提出方法的有效性,结果表明其对体积分数和流速的预测平均绝对误差分别为1.09×10-2和4.37×10-4,相较于深度神经网络提升了39.80%和43.25%。 展开更多
关键词 质子交换膜电解池 两相流状态分布 物理信息神经网络 二阶中心矩差分算法 贝叶斯优化算法
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部