物理信息神经网络用于电阻断层扫描
Danny Smyl1, Tyler N Tallman2, Laura Homa3
1Georgia Institute of Technology, Atlanta, GA, 30332, United States.
概括
物理信息神经网络 (PINNs) 为复合结构提供精确和快速的电阻断层扫描 (EIT) 重建. 这种新的方法整合了物理定律,用于增强材料表征和条件监测.
科学领域:
- 电气工程 电气工程
- 材料科学 材料科学 材料科学
- 计算成像技术的成像
背景情况:
- 电阻断层扫描 (EIT) 使用边界电压测量重建内部导电性.
- 对于复杂的结构,传统的EIT方法在精度和速度方面面临挑战.
研究的目的:
- 引入一种新的EIT方法,用于复合结构的综合传感.
- 利用物理信息神经网络 (PINNs) 提高EIT的绩效.
主要方法:
- 利用物理信息神经网络 (PINNs),将物理原理纳入学习过程.
- 将各种物理约束应用于用于集成传感的PINN模型.
- 证明基于PINN的EIT方法的有效性.
主要成果:
- 实现了精确而快速的导电分布重建.
- 展示了PINNs处理集成传感挑战的能力.
- 通过各种物理约束验证了该方法.
结论:
- PINNs为传统的EIT方法提供了强大而有效的替代方案.
- 拟议的方法增强了材料表征和条件监测能力.
- 这种新的EIT技术显示了先进结构健康监测的巨大潜力.


