基于物理学的神经网络用于在激光照射下预测碳纤维增强聚合物的表面温度
1Northwest Institute of Nuclear Technology, State Key Laboratory of Laser Interaction with Matter, Xi'an, 710024, Shaanxi, China.
Scientific reports
|November 18, 2025
概括
这项研究引入了物理信息神经网络 (PINN),以准确预测激光处理期间碳纤维增强聚合物 (CFRP) 的表面温度. 这种方法增强了温度控制,提高了材料性能.
科学领域:
- 材料科学 材料科学 材料科学
- 计算物理 计算物理
- 人工智能的人工智能
背景情况:
- 碳纤维增强聚合物 (CFRP) 的激光加工涉及复杂的热转换.
- 精确的温度控制对于优化CFRP激光加工质量和效率至关重要.
- 传统方法在计算成本或数据要求方面存在局限性.
研究的目的:
- 开发一个物理信息神经网络 (PINN) 模型,用于在激光照射下预测CFRP表面温度.
- 为了利用混合物理数据驱动的方法,实现高效和准确的热建模.
- 为了提高CFRP的激光材料加工中的温度调节.
主要方法:
- 开发了一个PINN模型,将传热原理集成到损耗函数中.
- 使用实验测量和模拟数据验证了模型.
- 在CFRP的各种激光照射条件下测试了该模型.
主要成果:
- 实现了对CFRP表面温度的高度准确的预测.
- 证明了该模型在激光处理期间增强温度调节的有效性.
- 与传统方法相比,展示了PINN方法的计算效率.
结论:
- 基于PINN的方法为预测激光加工过程中CFRP温度提供了多功能和高效的解决方案.
- 这种方法提高了精确激光加工的有效性,并提高了CFRP产品的性能.
- 在材料处理模拟中,PINN为克服有限数据集的挑战提供了有价值的工具.
