.png){kind=icon}
返回
Artificial Intelligence, Machine Learning, and Deep Learning for Solid Particle Erosion: Computational Modeling, Predictive Optimization, and Research Roadmap
.png){kind=icon}
PRE
AI
DOI：10.1007/s11831-026-10581-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
固体颗粒冲蚀（SPE）是涉及载粒流体流动的工程系统中的一项持续性挑战，也是一个由流体动力学、颗粒输运和材料响应耦合控制的复杂多尺度问题。从计算角度看，SPE已成为评估混合数值与数据驱动建模策略的典型基准。本文综述了基于物理、计算和人工智能（AI）驱动的SPE预测方法，重点聚焦其数学基础、数值实现和可扩展性。首先考察了经典机理冲蚀模型和基于计算流体动力学（CFD）的求解器，以确立冲蚀预测的物理核心。随后系统分析了机器学习（ML）、深度学习（DL）、降阶建模和混合CFD-ML框架的最新进展，突显其作为计算代理的能力，即在不牺牲物理一致性的前提下将计算成本降低数个数量级。特别关注了特征构造、核抽象、符合ASME V&V原则的不确定性量化以及增强模型可解释性的可解释性技术。综述进一步整合了优化策略、数字孪生概念和实时预测框架，从而将SPE建模置于更广泛的计算层级中。除冲蚀外，这些综合方法可推广至与冲蚀相关的退化现象，包括空化、腐蚀-磨损耦合和颗粒结垢。总体而言，本研究提出了一种统一的计算分类学，推动了可扩展、可解释且具有不确定性意识的冲蚀现象建模。
期刊
IF:
12.1
论文数:
1.8K
被引数:
1.2W
机构
引用论文
Deep learning based on PINN for solving 2 DOF vortex induced vibration of cylinder基于PINN的深度学习求解气缸2 DOF涡激振动
PREAI
分享收藏Numerical investigation and rapid prediction of the erosion rate of gate valve in gas-solid flow气固流中闸阀侵蚀速率的数值研究及快速预测
PREAI
分享收藏Investigating the Solid Particle Erosion Behavior of H3BO3, B2O3, SiO2, and Al2O3 Reinforced Glass Fibre/Epoxy Composites and Parametric Evaluation Using Artificial Intelligence研究H3BO3、B2O3、SiO2和Al2O3增强玻璃纤维/环氧复合材料的固体颗粒侵蚀行为及基于人工智能的参数评估.png)
IF0
PREAI
分享收藏Prediction of gas–solid erosion wear of bionic surfaces based on machine learning and unimodal intelligent optimization algorithm基于机器学习和单峰智能优化算法的仿生表面气固冲蚀磨损预测
PREAI
分享收藏Machine learning approach to the assessment and prediction of solid particle erosion of metals机器学习方法在金属材料固体颗粒侵蚀的评估与预测中的应用
PREAI
分享收藏Inverse airfoil shape identification using POD-ANN ROMs: A coarse Mesh approach for computational efficiency基于POD-ANN ROMs的逆翼型形状识别：一种提高计算效率的粗网格方法
PREAI
分享收藏FLUID-GPT (Fast Learning to Understand and Investigate Dynamics with a Generative Pre-Trained Transformer): Efficient Predictions of Particle Trajectories and Erosion流体GPT (快速学习理解和研究动力学与生成预训练变压器): 粒子轨迹和侵蚀的有效预测
OAAI
OAAI分享收藏
查看更多内容