压水堆棒束多通道流场稀疏数据深度学习求解技术研究
来源：核动力工程杂志2025年第2期北京时间：
作者：钱浩, 陈广亮, 刘东, 于洋, 姜宏伟, 殷新立, 杨玉诚
单位：1.哈尔滨工程大学核科学与技术学院，哈尔滨，150001；2.中国核动力研究设计院核反应堆系统设计技术重点实验室，成都，610213；
摘要：反应堆堆芯典型工况雷诺数高达10<sup>5</sup>，冷却剂流动具有显著的非线性，实际流动边界及状态与理想流动方程存在一定的匹配性偏差，会导致求解过程中数据与控制方程的约束相冲突，彼此制约，导致求解收敛困难。为解决该问题，本文研发了一种基于深度学习的稀疏数据求解方法，通过设计不匹配性自适应调节方案，在控制方程中引入自适应调节因子，动态修正理想模型，克服因数据与方程不一致所引发的收敛障碍及精度不足等问题。在此技术基础上，进一步探讨了在小样本数据条件下的流场求解策略，设计了均匀配点、基于速度梯度配点、混合配点策略，旨在通过优化样本点的空间分布，提升流场求解的整体精度。研究结果表明，在3种策略中，均匀配点策略能够更全面地覆盖流场的整体特性，表现出最佳的优化效果，达到决定系数（<i>R</i><sup>2</sup>）大于0.95、均方误差（MSE）在10<sup>−4</sup>至10<sup>−3</sup>量级的精度；且在仅采用60个小样本数据配点下（占原始数据点的7.8%）。本文所提出的方法也能有效实现高精度流场求解，为稀疏数据条件下求解压水堆堆芯棒束多通道流场提供了一种高效且适用的技术方案。
关键词：物理信息神经网络（PINNs）, 调节因子, 稀疏数据, 压水堆, 棒束多通道, 深度学习
基金资助：中核集团领创科研项目（CNNC-LCKY-2024-053）；四川省揭榜挂帅项目（2023YFG0373）；部委稳定支持基础科研项目（WDZC-2023-05-03-05）；四川省自然科学基金（青年科学基金）项目（2023NSFSC1321）
