基于物理约束神经网络的窄矩形通道流场求解方法

来源：核动力工程杂志2025年第4期北京时间：

作者：张晓颖, 袁德文, 毕景良, 黄彦平

单位：中国核动力研究设计院先进核能技术全国重点实验室，成都，610213；

摘要：为了探索物理约束神经网络（PINN）在热工水力计算领域的应用潜力，本研究选取了窄矩形通道内层流和湍流状态下的多个工况，使用计算流体动力学（CFD）方法获得标签数据，并将连续性方程和Navier-Stokes方程（N-S方程）嵌入到神经网络模型中进行预测。研究结果表明，对于窄矩形通道内的不可压缩流动，PINN模型能够准确还原层流工况下的流场特点；湍流工况下可通过调整模型的损失项权重，使预测解与CFD数值解达到较好的一致性。因此，PINN模型能够应用于窄矩形通道的流场计算，并可进一步为更多场景下的流场快速分析积累经验。

关键词：物理约束神经网络（PINN）, 窄矩形通道, Navier-Stokes方程（N-S方程）