基于物理信息神经网络的功能梯度材料稳态/瞬态热传导分析

采用物理信息神经网络PINN(Physics-informed Neural Networks)求解稳态和瞬态功能梯度材料(FGMs)热传导问题。该方法利用控制方程、边界及初始条件的残差构造损失函数,在无任何响应数据的情况下得到了更具泛化能力的神经网络模型,同时避免了传统数值方法在求解计算力学问题时所需的微分、积分公式推导以及繁重的建模和划分网格等前处理工作。本文探究了PINN及其域分解的扩展物理信息神经网络XPINN(eXtended Physics-informed Neural Networks)在求解稳态和瞬态FGMs热传导问题时的适用性,讨论了网络结构对预测结果的影响。研究结果表明,PINN/XPINN在解决几何复杂的稳态和瞬态FGMs热传导问题时仍具有较高的可靠性和简洁的求解流程,同时,为极端环境下求解复杂多场耦合和夹杂等问题提供了新思路。