低温空化预测网络

近实时预测

融合B因子理论与神经算子，从边界条件直接映射压力系数和温降，无需重训即可适应新工况。

朱佳凯 · Fangtai, Guo · Shiqiang, Zhu · 宋伟 · 李铁风 · 张小斌 · Jason, Gu

Physics of Fluids 2023

技术优势

无需重新训练

模型通过B因子理论构造物理模块，从边界条件快速推断隐藏物理特征，再由神经算子映射到目标函数，因此边界条件改变时不需要重新计算或重新训练。

小数据可用

模型能从少量实验数据中学习隐藏知识，并通过物理模块融入理论先验，从而减少对大量训练数据的依赖。

跨工况泛化

初步研究表明，该模型有潜力预测未见过的低温液体或新几何结构中的空化，而无需重新训练。

应用场景

• 低温流体机械：在泵、阀门等低温流体机械中，根据运行边界条件快速预测空化强度和热效应，辅助设计或实时监测。
• 航天推进剂系统：用于预测低温推进剂在管路和涡轮泵中的空化，帮助评估发动机启动和变工况时的风险。
• 液氢储运：在液氢储运系统中，根据储罐压力和温度边界条件预测空化，避免泵入口和阀门处的性能下降。
• 空化诊断：使用模型从边界条件推断空化特征，无需传感器即可评估设备内部的空化状态。