2026-09-03
von Karman Institute 用守恒节点模型加四个 2×16 小网络学热质传递闭合，48 次液氮实验交叉验证全局 NRMSE 2.5%–2.8%，全库重建 1.6%，晃动工况最差。
低温推进剂要在航天、航空、航运里长期存放。LH2 大约 20 K，LCH4 大约 120 K，罐内传热传质耦合强，晃动时更难。CFD 能算，但长时程、系统级太贵，还要靠经验修正因子对齐实验。另一头，零维节点模型便宜、守恒结构清楚，适合控制和数字孪生，卡在未分辨过程的闭合：壁面与界面换热、相变、增压气体干度、液体热边界层怎么长、晃动怎么把分层搅碎。现成关联式在动态工况下很少，静态也常要再乘修正。
von Karman Institute 这条线把神经网络嵌进热节点模型，用伴随优化从数据里认闭合参数。前作已经做过。这篇把数据换成真实液氮实验，覆盖自增压、主动增压、泄放、横向晃动；液体分层用热边界层厚度的一阶动力学来写；损失函数加熵产惩罚，压负熵产，让模型少踩热力学第二定律。
罐被拆成蒸汽、液体和壳体几组控制体。质量、能量守恒给出常微分方程，未闭合的量交给网络。四个工况各一个前馈网，每网两层隐层、每层 16 个神经元、SiLU 激活，输出 11 维闭合向量：八个 Nusselt 数、两个热边界层参数、一个增压气体汽相份额 χp。正数量走 softplus，χp 走 sigmoid 压到 0 到 1。输入是无量纲群：Jakob、Rayleigh、液体填充比、δT/R、晃动雷诺数；增压和泄放再加一个流量相对自增压的 Πp。工况之间硬切换，作者写以后可以改成模糊隶属。
训练是伴随法：把 ODE 积分嵌进损失，用伴随方程反传梯度。JAX 加 diffrax，Tsitouras 五阶 Runge–Kutta 往前积分，伴随方程往后积，AdamW 更新，学习率 10⁻³，权重衰减 10⁻⁴。Dropout 0.1，测量加 5% 相对扰动。熵产惩罚权重 Kp=10⁵，是在 10² 到 10⁶ 里试出来的：再小压不住负熵产，再大伤重建。压力在损失里权重 2.0，蒸汽和液体温度、蒸汽质量为 1.0，边界层厚度只有 0.1，因为实验不确定度高。
数据来自 VKI CryME 液氮装置。石英罐，内腔直径 83 mm、内高 124 mm，约 0.8 kPa 真空，16 支 Lakeshore DT-670-SD 热二极管。48 条多段实验。交叉验证按实验切折，K=2、3、4、5，验证时从实验初值开环积分，中间不重置。晃动工况把实测波幅 As 当外源输入，并不从罐体运动预测波面。
实验级 K 折，训练损失都收到约 (4.6±0.5)×10⁻³。折外损失从 K=2 的 10.3×10⁻³ 降到 K=5 的 7.3×10⁻³，折间标准差同时从 0.1×10⁻³ 涨到 3.2×10⁻³：平均更好，对怎么切数据更敏感。
全局 NRMSE 是各状态分量归一化均方根误差的平均：
| 设置 | 总体 | 自增压/弛豫 | 主动增压 | 泄放 | 晃动 |
| K=2 | 2.75±0.35% | 2.31% | 2.68% | 1.91% | 3.48% |
| K=4 | 2.53±0.49% | 2.31% | 1.89% | 0.70% | 3.62% |
| K=5 | 2.82±0.68% | 2.41% | 2.29% | 0.74% | 3.96% |
K=4 总体最好。泄放在训练数据够的时候可以到 0.7%。晃动始终最差，加数据也没有单调变好。
全库再训一版是样本内重建，不是泛化：总体 1.60%，自增压 1.30%，主动增压 1.57%，泄放 0.65%，晃动 2.30%。压力总体 1.79%，晃动 2.49%；热边界层厚度总体 10.30%，晃动 16.13%，相对误差在厚度接近 0 时会被分母放大。训练损失收到 (6.58±0.01)×10⁻³。
这是给系统级控制和数字孪生用的闭合律，不是替代 CFD。网络很小，ODE 能长时程积分，闭合参数还有物理读法：Nusselt、干度、边界层生长。航天低温储箱、氢燃料航运如果要在线预测，这种守恒骨架加小网络，比纯黑盒压力回归更可审计。交叉验证说明 48 条信息密度高的实验已经够把折外误差压到 3% 以内，前提是罐几何和工质别换。
相对同一组作者前作，这是渐进：数据从有限设置换成 48 条多工况液氮，加上分层动力学和熵产项。
1.60% 是全库重建。真正该看的是折外 2.5%–2.8%，而且折的构成会把数字晃出 ±0.7%。工质是液氮，目标应用常提 LH2 和 LCH4，温度尺度差一截，闭合律不能直接搬。罐子是地面直立小圆柱，几何、尺度、重力环境都单。工况硬切换，过渡段没有软隶属。晃动最难的那一项还吃了实测波幅，波面预测不在范围内。熵产项只惩罚负值，不严格保证第二定律。网络结构没做系统搜索。光学液位在强三维晃动时要靠温度和压力迭代修正，节点温度本身传感器也少。