摘要：阐述了基于物理信息指引的神经网络模型(PINN),构造深度神经网络作为试函数,将其代入中子学扩散方程形成残差,并作为机器学习的加权损失函数,进而通过深度机器学习技术逼近中子学扩散方程数值解;针对扩散方程的特点,提出了特征值方程加速收敛方法、有效增殖系数(k_(eff))高效并行搜索技术、学习样本网格点不均匀分布策略等创新性关键技术,并对神经网络深度、神经元数量、边界条件损失函数权重等关键参数进行了敏感性分析。验证计算结果表明,该方法具有良好的精度,提出的关键技术具有显著的成效,为中子学扩散方程的数值求解探索出了新的技术途径。

摘要：为了预测采煤机摇臂的剩余寿命并将预测过程和结果集成于系统进行动态可视化显示,设计并开发了基于***框架的采煤机摇臂剩余寿命预测系统。利用Microsoft Visual Studio 2010系统开发软件,采用C#语言中Process类进程调用方法驱动Python语言编写的深度学习寿命预测模型运行,结合相关控件对生成的图像和数据结果进行调用、解析和输出,完成寿命预测模型与Web系统的嵌套和交互,实现采煤机摇臂关键零部件剩余寿命预测值的可视化和数字化。最后,通过采煤机摇臂低速区惰轮机构与高速区轴承数据集验证了所开发系统的可行性与有效性。