A self-consistent physics-informed neural network paradigm for sloshing analysis

物理 晃动动力学 人工神经网络 功能(生物学) 算法 振幅 边界(拓扑) 超参数 边值问题 计算流体力学 统计物理学 透视图(图形) 计算模型 毫米 干涉测量 系统误差 激发 代表(政治) 计算复杂性理论 计算机科学 火车 无粘流 人工智能 控制理论(社会学) 电流(流体)
作者
Yan Qi,Shikun Chen,Zhanxue Cao,Mi-An Xue,Xiaoli Yuan,Jinhai Zheng,Ould el Moctar
出处
期刊:Physics of Fluids [American Institute of Physics]
卷期号:38 (10)
标识
DOI:10.1063/5.0353139
摘要

Physics-Informed Neural Networks (PINNs) offer a physically driven alternative to conventional computational fluid dynamics, yet their application to sloshing remains largely unexplored. This paper establishes a self-consistent PINN paradigm for two-dimensional linear sloshing that trains exclusively on physical residuals, requiring no reference data. The dynamic free-surface boundary condition is enforced as a hard constraint, which removes it from the loss function and structurally eliminates the gradient imbalance that dominates conventional penalization-based formulations. This single modification reduces the free-surface elevation error from above 6% to below 2%. Validation against analytical solutions, experimental measurements, and computational fluid dynamic simulations across sway, roll, and combined excitation modes yields median steady-state amplitude deviations below one millimeter across all benchmarks. A systematic ablation study covering six hyperparameter categories and 13 variants isolates the influence of each design choice and yields practical tuning guidance. Because the paradigm relies entirely on physics residuals, it generalizes naturally to configurations for which analytical reference data are unavailable.
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
刚刚
刚刚
1秒前
传奇3的应助被369ninja采纳,获得10
2秒前
大模型的应助被清秀的幼荷采纳,获得10
3秒前
3秒前
ywg完成签到 ,获得积分10
3秒前
4秒前
华仔的应助被高瑛键采纳,获得10
4秒前
科研通AI6.2的应助被Heimdall采纳,获得30
5秒前
搞怪的老九的应助被大头人参采纳,获得10
5秒前
风趣冬瓜发布了新的文献求助10
5秒前
dxftx发布了新的文献求助10
5秒前
6秒前
Dyying发布了新的文献求助10
6秒前
小马甲的应助被青阳子采纳,获得10
8秒前
zombie发布了新的文献求助10
8秒前
Savananh_Xie发布了新的文献求助10
8秒前
科研通AI6.4的应助被平生采纳,获得10
10秒前
liu完成签到 ,获得积分10
10秒前
10秒前
10秒前
womujk发布了新的文献求助10
10秒前
Akim的应助被AAA采纳,获得10
10秒前
captainHc发布了新的文献求助100
10秒前
李健的应助被dxftx采纳,获得10
11秒前
房子完成签到,获得积分10
12秒前
12秒前
乐乐的应助被sfliufighting采纳,获得10
13秒前
领导范儿的应助被冷冷子采纳,获得80
13秒前
香蕉觅云的应助被EstAffectus采纳,获得30
14秒前
CodeCraft的应助被EstAffectus采纳,获得30
14秒前
李健的应助被EstAffectus采纳,获得10
14秒前
14秒前
桐桐的应助被EstAffectus采纳,获得10
14秒前
NexusExplorer的应助被EstAffectus采纳,获得30
14秒前
搜集达人的应助被EstAffectus采纳,获得10
15秒前
李健的应助被EstAffectus采纳,获得10
15秒前
李爱国的应助被EstAffectus采纳,获得30
15秒前
15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
The World Atlas of Wine 9th edition 1000
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
八旗制度の研究 600
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 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 8184508
求助须知:如何正确求助?哪些是违规求助? 9573478
关于积分的说明 21831914
捐赠科研通 7781737
什么是DOI,文献DOI怎么找? 3434372
关于科研通互助平台的介绍 2558482
邀请新用户注册赠送积分活动 2480962