连续和不连续可压缩流在一种收敛-扩张通道中，通过无数据的物理信息神经网络求解
摘要：使用物理信息神经网络（PINNs）来解决收敛-扩张喷管中的经典可压缩流问题。该问题代表了由欧拉方程描述的典型示例，对其深入理解有助于解决更一般的可压缩流问题。给定通道的几何形状，稳态的解析解确实存在，并且它们取决于出口的背压和入口的停滞压力之间的比值。此外，在扩张区域，解可能分为亚音速流、超音速流和两者的混合流，其中存在一个不连续的转变，即正常激波发生。经典的数值方案采用激波拟合/捕获方法来有效解决这种问题，而原始的PINN在解决双曲线非线性偏微分方程时则失败。我们首次尝试利用PINN的能力直接解决这个问题，通过调整损失函数不同组成部分的权重来获得物理解，并同时避免平凡解。在没有外部数据的通用设置下，我们能够准确地解决这个问题，也就是说，对于不同的给定压力比，PINN在稳态和非稳态下提供不同的解支，其中一些是不连续的。
作者：Liang Hong, Song Zilong, Zhao Chong and Bian Xin
论文ID：2306.11749
分类：Fluid Dynamics
分类简称：physics.flu-dyn
提交时间：2023-07-10