【作者】

汤义虎; 黄立; 巫立民; 李丽婷; 孟祥慧

【单位】

中国船舶集团有限公司第七一一研究所; 上海交通大学

【摘要】

近年来，深度学习迅速发展，并已应用于流体力学分析。本文将深度学习应用于流体动力润滑分析，建立基于物理信息的深度神经网络，根据雷诺方程及边界条件构造损失函数，并通过最小化分析区域采样点的损失函数，学习获得神经网络参数及流体润滑参数。与传统以边界条件构造损失函数的方式相比，本文引入近似距离函数，实现边界条件的精确加载，具有更高的精度和效率。同时，在流体润滑分析中考虑空化效应的影响，可更加真实模拟流体润滑工作。基于深度学习的流体润滑分析，无需进行网格划分，具有较大的应用潜力。

【关键词】

流体动力润滑;雷诺方程;深度学习;物理信息神经网络

【论文集名称】

数字化设计与仿真技术

【会议名称】

设计智能制造2023学术年会

【会议时间】

2023-10-20至2023-10-23

【会议地点】

湖北十堰

【下载次数】

4

返回