10.7510/jgjs.issn.1001-3806.2024.01.017
基于物理信息神经网络的激光超声波场研究
为了解决传统神经网络技术过于依赖数据资源,同时也无法运用数据中暗含的物理先验知识等局限性问题,采用物理信息神经网络(PINN)、基于超声传播的波动方程,利用数值计算实验的数据训练出了正向激光超声单模态(表面波)波场的PINN模型;建立了反向求解激光超声单模态波场参数的PINN模型,并对激光超声波场进行了正向成像和反向参数推演.结果表明,当探测点不包含激发点时,正向PINN在数据量仅为10%的情况下可得到高精度的波场图像,相比于原波场下降了一个数量级;即使在包含激发点时,反向PINN利用25%的波场数据不仅可以重建波场,且不需要人为地分析就可以求解控制方程的参数,与原波场数据的参数误差均在5%以内;与传统神经网络相比,PINN通过加入符合激光超声特性的控制方程,降低了神经网络对于训练数据稀疏性的依赖;与传统的激光超声波场建模相比,PINN构建的物理模型更简单,可自动求得控制方程的参数,有着更好的鲁棒性.该研究可为波场重建和参数反演激光超声无损检测技术提供参考,在激光超声领域有着广泛的应用前景.
激光技术、激光超声、神经网络、偏微分方程、波场成像
O426;O436;TP183(声学)
江苏省研究生科研与实践创新计划资助项目KYCX22_0420
2024-02-26(万方平台首次上网日期,不代表论文的发表时间)
共9页
105-113