空间环境下导电环电磁场分布智能代理模型的构建方法

摘要: 本发明属于航天机电组件及电磁场仿真预测,涉及一种空间环境下导电环电磁场分布智能代理模型的构建方法。背景技术:1、导电环广泛应用于太阳帆板驱动机构(sada)与控...
空间环境下导电环电磁场分布智能代理模型的构建方法

本发明属于航天机电组件及电磁场仿真预测,涉及一种空间环境下导电环电磁场分布智能代理模型的构建方法。

背景技术:

1、导电环广泛应用于太阳帆板驱动机构(sada)与控制力矩陀螺(cmg)等航天器核心组件中,是航天器电力与配电系统中的重要功能部件之一,同时又是航天器中的高风险部件之一。导电环长期运行产生的磨屑由于发生定向运动,会出现聚集效应,进而增加装置内部被电弧击穿的风险,已引发多起航天器故障。

2、传统的导电环电磁场分析主要依赖于有限差分法(fdm)、有限元法(fem)等数值计算方法。这些方法虽然能够提供较为精确的物理场分布,但存在计算成本高、实时性差、资源占用大等显著缺点,单次计算往往耗时数小时。近年来随着深度学习技术的发展,基于数据驱动的智能代理模型为物理场预测提供了新的思路。然而,目前针对空间环境下导电环这一特定组件,尚缺乏结合麦克斯韦方程组物理机理与深度神经网络的高精度、快速电磁场预测建模方法。

技术实现思路

1、为了解决现有数值计算方法计算效率低、耗时长的问题,本发明的目的在于提供一种空间环境下导电环电磁场分布智能代理模型的构建方法,通过真实麦克斯韦物理模型产生训练数据,针对真实物理模型数据采用机器学习方法,构建空间导电环电磁场预测模型,并构建基于该方法的快速计算系统,实现了电磁场分布的快速预测。

2、本发明的目的通过以下技术方案实现。

3、本发明公开的空间环境下导电环电磁场分布智能代理模型的构建方法,包括如下步骤:

4、步骤一:物理建模与方程构建;根据空间环境下导电环的三维几何模型,结合麦克斯韦方程组,在柱坐标系下推导得到电势满足的偏微分方程;推导由电势分布计算电场分布和磁场分布的关系式。

5、物理建模与方程构建。采用盘式滑环为研究对象,不同导电环在同一水平面以同心圆形式嵌于绝缘介质中,并分为上下两盘面对称分布,基于导电环的轴向对称性,选择1/2导电环作为分析对象。建立导电环柱坐标系,原点为导电环底面中心点,z轴沿滑环轴向,r表示点在径向方向的距离,即到z轴的距离,表示绕z轴的旋转角度变量,描述点在环向的位置,坐标点表示为;在柱坐标系下,以微分形式的麦克斯韦方程组作为电磁场模型:

6、

7、其中:h为磁场强度;j为电流密度;d为电位移矢量;e为电场强度;为导电环产生的磁感应强度;为电荷密度;t为自变量时间。

8、稳恒电压下,麦克斯韦方程组简化为准静态形式,电场和磁场相互独立,电场的散度和磁场的旋度分别为:

9、

10、

11、其中和为电场强度在柱坐标系下的分量;为介电常数;电场e是电势的梯度,则有:

12、

13、由于电势是轴对称的,则;则有

14、

15、计算得到电场分布后根据下式求解出电流密度分布:

16、

17、其中为电导率。

18、在稳态条件下,安培定律为:

19、

20、其中为真空磁导率;对式(7)进行积分即可得到磁场b。根据式(4)至式(7)得,导电环的电场分布与磁场分布均由电势分布唯一确定。

21、步骤二:样本集生成;基于步骤一所述泊松方程,利用有限差分法在不同输入电压工况下数值求解得到电势分布数据,对电势分布数据进行归一化,并以输入电压为特征、以归一化后的电势分布为标签构建训练样本集。

22、基于步骤一所述泊松方程,利用有限差分法在不同输入电压工况下数值求解得到电势分布数据。将导电环所在的r-z二维求解域离散化为的网格节点,其中为径向网格数,为轴向网格数;对泊松方程进行有限差分离散,得到离散化的线性方程组:

23、

24、其中表示径向网格索引,表示轴向网格索引。

25、根据导电环的几何边界设置边界条件,导电环表面为等势面,满足狄利克雷边界条件;计算区域外边界满足诺伊曼边界条件;将输入的电压工况v施加于导电环对应的网格节点上,当需要电场分布时,由电势分布采用中心差分计算电场强度。

26、对计算得到的电势分布数据进行归一化处理:

27、

28、其中为电势平均值,为电势标准差。

29、将二维电势分布数据展平为一维向量,构建训练样本对,其中v为输入电压,为对应电压下数值求解得到的电势分布,存入数据库。

30、步骤三:智能代理模型构建;搭建基于神经网络的深度学习模型架构,构建用于预测导电环电势分布的电势智能代理模型。

31、搭建深度神经网络dnn模型,包括输入层、多个隐藏层和输出层;所述输入层节点数为1,对应输入电压值;所述隐藏层采用全连接层,激活函数采用relu函数,设置各隐藏层神经元数量;所述输出层神经元数量为,其中为径向网格点数,为轴向网格点数,输出层各神经元分别对应相应网格节点的电势值。

32、在隐藏层后添加dropout层,设置丢弃率以防止过拟合;所述dnn模型的正向传播过程表示为:

33、

34、其中v为输入电压,和为第l层的权重和偏置,为预测的电势分布向量。

35、步骤四:模型训练与验证;利用所述训练样本集对所述电势智能代理模型进行监督训练,通过最小化预测电势与真实电势之间的损失函数优化模型参数,并利用测试集验证模型精度,得到训练好的电势智能代理模型;由所述电势智能代理模型预测得到电势分布,再根据步骤一所述关系式计算得到电场分布和磁场分布,实现导电环电磁场分布的智能预测。

36、将样本集按比例划分为训练集、验证集和测试集,定义损失函数为均方误差:

37、

38、其中n为样本数量,和分别为神经网络预测的电势分布向量和有限差分法计算的真实电势分布向量;采用adam优化器进行模型训练,初始学习率和权重衰减系数;采用学习率衰减策略,当验证集损失在15个epoch内不再下降时,学习率乘以0.5;采用早停法防止过拟合,当验证集损失在25个epoch内不再下降时,提前终止训练;

39、模型训练完成后,在测试集上评估模型精度,计算相对误差指标:

40、

41、其中m为测试样本数,和分别为预测和真实的电势分布;

42、使用训练好的电势智能代理模型进行预测得到电势分布,依据式(4)计算电场分布,并依据式(6)和(7)进一步计算磁场分布。

43、本发明公开的空间环境下导电环电磁场分布智能代理模型的构建系统,用于实现本发明的空间环境下导电环电磁场分布智能代理模型的构建方法。空间环境下导电环电磁场分布智能代理模型的构建系统,包括数据输入模块、模型加载模块、前向预测模块、后处理模块、结果输出模块、可视化模块。

44、数据输入模块,用于接收用户输入的导电环工作电压参数;模型加载模块,用于从存储设备加载预训练的电势智能代理模型;前向预测模块,将输入电压归一化后输入训练好的神经网络模型,输出预测的电势分布;后处理模块,对神经网络输出进行反归一化处理,将一维向量重构为二维电势分布,并由所述电势分布计算得到电场强度分布和磁场强度分布;结果输出模块,将电势分布、电场强度分布、磁场强度分布以二维数组形式输出;可视化模块,生成电势及电磁场分布的可视化图形,包括等值线图、矢量图和剖面曲线图;模型更新模块,当预测误差超过设定阈值时,触发模型重新训练流程,利用新样本更新模型参数;所述系统能够将电磁场计算时间从传统数值方法的数小时缩短至神经网络模型的毫秒级别,实现导电环电磁场分布的实时预测。

45、有益效果:

46、1、本发明公开的一种空间环境下导电环电磁场分布智能代理模型的构建方法,缩短电磁场的计算时间,相比传统的有限差分法、有限元法等数值方法,本发明通过训练深度神经网络智能代理模型,将复杂的偏微分方程求解过程转化为一次前向传播计算,计算时间从数小时缩短至毫秒级别,提高计算效率,进而提高磁场分布的预测效率。

47、2、本发明公开的一种空间环境下导电环电磁场分布智能代理模型的构建方法,代理物理方程求解的迭代过程,通过基于物理方程的有限差分法生成高质量训练数据,保证预测结果的物理准确性和可靠性,并采用深度神经网络进行拟合,保证代理模型的预测精度。

48、3、本发明公开的一种空间环境下导电环电磁场分布智能代理模型的构建方法,构建集成化的快速计算系统,系统支持参数化输入,即能够通过智能代理模型快速获得全场电磁分布数据,实现可视化输出,便于工程人员快速评估导电环在不同工况下的电磁环境,适用于空间环境下的实时监测与优化。