A physics-informed neural network for creep-fatigue life prediction of components at elevated temperatures

人工神经网络 人工智能 特征(语言学) 一般化 机器学习 深度学习 计算机科学 数学 语言学 数学分析 哲学
作者
Xiaocheng Zhang,Jian‐Guo Gong,Fu‐Zhen Xuan
出处
期刊:Engineering Fracture Mechanics [Elsevier BV]
卷期号:258: 108130-108130 被引量:175
标识
DOI:10.1016/j.engfracmech.2021.108130
摘要

Physics-informed neural network has strong generalization ability for small dataset, due to the inclusion of underlying physical knowledge. Two strategies are enforced to incorporate physics constraints to a deep neural network in this work. One is to obtain extended features through physics-informed feature engineering, and the other is to incorporate physics-informed loss function into deep neural network as constraints. Conventional machine learning models, deep neural network and physics-informed neural network are applied to predict creep-fatigue life of 316 stainless steel. Results show that physics-informed neural network presents better prediction accuracy than deep neural network and conventional machine learning models.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Jasper的应助被落幕采纳,获得10
刚刚
jfc完成签到,获得积分10
刚刚
jiang发布了新的文献求助10
2秒前
3秒前
谷粱紫槐完成签到,获得积分10
3秒前
3秒前
vvliy200发布了新的文献求助10
3秒前
斯文败类的应助被Tory采纳,获得30
3秒前
4秒前
乐乐的应助被不灵0采纳,获得30
4秒前
三分之二发布了新的文献求助10
5秒前
wydg完成签到,获得积分10
6秒前
猪大肠完成签到,获得积分10
6秒前
7秒前
美满水绿发布了新的文献求助10
7秒前
7秒前
8秒前
8秒前
亲爱的辛德瑞拉完成签到,获得积分10
8秒前
东哥完成签到,获得积分10
8秒前
香蕉觅云的应助被西陆采纳,获得10
9秒前
所所的应助被777采纳,获得10
9秒前
9秒前
liyuyao发布了新的文献求助10
9秒前
9秒前
11秒前
优雅醉山完成签到,获得积分10
12秒前
12秒前
12秒前
小叹号发布了新的文献求助10
12秒前
打打的应助被霸气的赛凤采纳,获得10
12秒前
slin_sjtu完成签到,获得积分10
13秒前
13秒前
13秒前
pkubest完成签到,获得积分10
14秒前
科研通AI65的应助被nwds采纳,获得10
14秒前
zengfan发布了新的文献求助10
14秒前
15秒前
15秒前
花小羊发布了新的文献求助10
17秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
plantTFDB 508
高分子基功能界面水蒸发材料与应用研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8177767
求助须知:如何正确求助?哪些是违规求助? 9568590
关于积分的说明 21799821
捐赠科研通 7772374
什么是DOI,文献DOI怎么找? 3432476
关于科研通互助平台的介绍 2556695
邀请新用户注册赠送积分活动 2478034