毫秒级实时仿真
提出一种物理信息神经网络驱动的动态流体膜实时仿真方法，用于轴向柱塞泵配流副，可在毫秒级预测流体膜压力场与厚度场，替代传统耗时的高保真仿真。
Yong, Hu · 潮群 · Wentao, Wang · Ying, Zhong · Sheng, Sun · Congmin, Li · 刘成良
Tribology International 2027
用物理信息神经网络代替传统数值求解，预测动态油膜场参数只需毫秒级。
把油膜厚度变化率设为可学习变量，通过反向传播迭代更新，再用上一时间步的权重微调，逐点接力，覆盖整个运动周期。
在10 MPa出口压力下，压力场平均绝对误差保持在0.1 MPa数量级，厚度场预测精度超过98%。