基于物理信息神经网络的船舶螺旋桨尾流场重构

作     者：侯先瑞 周星宇 黄骁骋 

作者机构：上海海事大学上海市全渗透深远海离岸能源动力前沿研究基地 上海海事大学海洋科学与工程学院 

出 版 物：《上海交通大学学报》 (Journal of Shanghai Jiaotong University)

年 卷 期：2023年

核心收录：

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0824[工学-船舶与海洋工程] 082401[工学-船舶与海洋结构物设计制造] 0811[工学-控制科学与工程] 

基　　金：国家青年自然科学基金项目（52001198） 

主　　题：物理信息神经网络 偏微分方程 流场信息 流场重构 螺旋桨 

摘      要：将物理信息神经网络（PINN）应用于船舶螺旋桨尾流场的重建。首先介绍了PINN的原理和基本框架。其次，应用PINN求解Burgers方程，对PINN求解偏微分方程的可行性进行验证。第三，利用CFD软件STAR CCM+对KVLCC2螺旋桨的敞水特性进行了数值模拟，得到了该桨在敞水中运动的流场信息。基于数值模拟得到的敞水桨流场特性信息，构造PINN训练样本集对PINN进行训练。训练后的PINN用于推断控制方程在任意时间和空间坐标的近似解。最后，将PINN得到的速度和压力分布与STAR CCM+模拟的速度和压力分布进行了比较。对比结果验证了PINN在尾流场重建中的可靠性。从目前的研究可以看出，PINN可以应用于船舶螺旋桨尾流场的重建。