智能流体计算公众号专注于将AI技术与计算流体力学（CFD）结合，分享前沿研究成果与实用案例。涵盖PINNs、深度学习等智能计算技术在流体力学中的应用，助力提高模拟效率与精度，适合科研人员及工程师探索智能流体计算的新方法。
本研究基于POD（Proper Orthogonal Decomposition，正交分解）方法，聚焦于建立一个降阶模型（Reduced-order Model, ROM），用于预测围绕静止物体的非定常流动，同时允许将物体几何形状作为参数进行变换。传统的POD方法仅适用于所有快照数据在同一计算网格下采样的情况。本研究提出了一种新型POD方法，该方法可以处理包含不同物体形状的流场快照数据，并且这些快照是通过不同计算网格数值模拟获得的。提出的POD方法引入了将流场数据映射到计算空间中的概念，从而在计算空间中得到最小化物理空间中重构误差的最佳POD基函数。该POD方法被应用于通过保角映射（conformal mapping）将椭圆形流场变换为圆柱形的实验中。基于提出的POD基函数，成功重构了具有不同长宽比的椭圆及不同形状翼型周围的流场。通过所提出的POD基函数得到的ROM，可以稳定地预测不在原快照数据中的物体流场的时间演化行为。在ROM中，POD快照中的流场频率与重构流场的频率之间的差异导致了相位误差，这归因于时间演化。然而，通过ROM获得的流场与直接求解Navier–Stokes（纳维–斯托克斯）方程得到的流场之间的均方误差小于。此外，重构的流场中包含与卡门涡街后方涡量频率一致的流动特征。基于上述观察结果，本研究提出的POD方法适用于通过降阶模型（ROM）重构围绕不同几何形状的流场。
深度学习研究中的一个新兴趋势是图神经网络（GNNs）在基于网格的连续介质力学模拟中的应用。这些学习框架大多作用于图上，其中每条边连接两个节点。受有限元方法中数据连接性的启发，我们提出了一种通过元素而非边连接节点来构建超图的方法。在这种超图上定义了一种超图消息传递网络，该网络模拟了局部刚度矩阵的计算过程。我们将这种方法称为基于有限元启发的超图神经网络，简称为FEIH()-GNN。我们进一步为所提出的网络配备了旋转等变性能力，并探索其在非稳态流体流动系统建模中的潜力。网络的有效性在两个常见的基准问题上得到了验证，即圆柱和翼型的流体流动配置。在插值雷诺数范围内，使用-GNN框架可以获得稳定且准确的时间滚动预测。该网络还能够向更高雷诺数域外进行外推，这超出了训练范围。
在当前的工业过程中，多种模式无处不在，不同模式中包含的历史数据量可能会有很大差异。在为特定模式构建故障检测模型时，数据不足很容易导致冷启动问题。为了解决这个问题，在考虑多种模式之间的相似性和差异性的同时，提出了一种基于特征分离的域自适应深度模型，用于少样本的非线性过程监测。该模型从模式中提取共同特征，并通过将领域知识从源转移到共同特征来弥补数据不足。另一方面，为了避免只关注共同特征而丢失有用信息，该模型还提取了目标域的特定特征。因此，在考虑目标域的特定特征的同时，借助域自适应提高了监测性能。此外，设计了三个检测指标，分别监测公共特征子空间、特定特征子空间和残差子空间。这样做的好处是，当故障发生时，可以获得更多的诊断信息。通过数值例子和实际工业加氢过程对提出的方法进行了测试，以验证检测的有效性。 关键词：故障检测、域自适应、通用功能、特定功能
自GPT采用Transformer架构取得成功以来，经典Transformer架构一直是很多大模型的标配。但这不意味着Transformer是完美无缺的。DeepSeek在Transformer架构的基础上也做了很多创新，主要为：多头潜在注意力即MLA 。
一句话：大模型界的拼夕夕，模型本身确实也有创新点，比如MLA、纯RL预训练、FP8混合精度，但更重要的是让我们看到了开源对闭源的生态挑战、中国对美国主导的有效追赶、极致工程优化的显著受益。
能源互联网可理解是综合运用先进的电力电子技术,信息技术和智能管理技术,将大量由分布式能量采集装置,分布式能量储存装置和各种类型负载构成的新型电力网络、石油网络、天然气网络等能源节点互联起来,以实现能量双向流动的能量对等交换与共享网络。
南方电网人工智能科技有限公司专家戴珍博士作了题为“调度运行领域电力人工智能应用”的主旨报告，征得戴博士同意，特与您分享。
没有账户，需要注册
母公司公司的总目标是什么?母公司要求该业务单位做什么?将业务单位的定位是什么(基础业务还是边缘业务)
随着人工智能的迅猛发展，知识图谱与大模型作为两大核心研究领域，各自彰显出独特的技术优势。知识图谱以结构化方式精准刻画实体关联，为知识表示与推理提供了可解释的框架;大模型则凭借海量数据训练展现出卓越的自然语言理解与生成能力，具备强大的泛化学习性能。
国内重点工业物联网平台四类厂商分类及选型指南
工业物联网平台发展重点： 一是行业深耕化，从通用型平台向“一米宽、百米深”的行业垂直平台转型，聚焦能源、交通、化工等领域的特定需求，沉淀场景化解决方案与行业Know-how，而非追求“大而全”的覆盖能力。 二是智能融合化，工业大模型与平台深度结合，实现工业知识的智能化重构、应用开发的低代码化升级，以及生产运营的自感知、自决策、自优化闭环管控，AI成为提质增效的核心变量。 三是生态协同化，平台不再是单一技术载体，而是串联产业链上下游的协同中枢，通过跨系统数据融合、产学研用金深度合作，形成“数据-算力-应用”的生态闭环，赋能供应链协同与产业集群升级。 四是部署灵活化，采用“平台化产品+私有化部署”结合的模式，兼顾中小企业轻量化需求与大型集团定制化诉求，支持公有云、私有云、边缘端的混合部署，平衡成本与安全性。
网络信息安全等级保护（三级）解决方案网络信息安全等级保护（三级）解决方案网络信息安全等级保护（三级）解决方案网络信息安全等级保护（三级）解决方案网络信息安全等级保护（三级）解决方案
智慧燃气综合管理信息平台解决方案智慧燃气综合管理信息平台解决方案智慧燃气综合管理信息平台解决方案智慧燃气综合管理信息平台解决方案
智慧商业综合体概念方案智慧商业综合体概念方案智慧商业综合体概念方案智慧商业综合体概念方案智慧商业综合体概念方案智慧商业综合体概念方案
数据来源链：空气源热泵主机厂家、上下游产业链企业、市场经销商、第三方相关机构，所涉及到的金额均为2023年自然年收入， 均为不含税销售收入。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南
