基于PINN的含低浓度化学物种燃烧正逆问题建模方法

来源：动力工程学报杂志2026年第3期北京时间：

作者：张伟娜, 李港扬, 崔弘杨, 毕忠勤, 戴丹,

摘要：随着燃气轮机向更高效、更清洁方向发展,基于高保真模型的燃烧室设计需求日益迫切。提出基于变分自编码器火焰(variational auto-encoder flame,VAEF)的物理信息神经网络(physics-informed neural networks,PINN)对含低浓度化学物种的层流预混火焰正逆问题进行建模:通过基于自适应上下界或观测数据的约束映射;通过平滑窗划分计算域与局部加权;在稀疏观测条件下的逆问题中将变分自编码器重构误差与相对熵项加入观测条件损失计算中。结果表明:以上措施显著提升了训练稳定性与低浓度物种预测精度,PINN模型的决定系数均大于0.95,相对误差绝对值均小于15%,展现良好的全局拟合精度和参数反演能力,为复杂化学机理下的燃烧模拟与排放监测提供了鲁棒性更好的PINN方案。

关键词：层流火焰,物理信息神经网络,自适应边界,局部加权,变分自编码器,