高功率腔体滤波器的电磁-热-力多物理场智能代理模型及快速预测

电磁多物理场计算在模拟高功率微波器件方面至关重要。为了快速且精确地获取高功率腔体滤波器中由电磁引发的多物理场响应,本文构建了一种基于数据驱动的电磁多物理场代理模型。首先利用有限元方法建立腔体滤波器的多物理场响应数据库,随后基于该数据库构建数据驱动的人工神经网络代理模型。结果对比表明:该代理模型能够精确且快速地预测高功率腔体滤波器在不同输入功率下的S参数曲线,预测精度超过98%,预测时间少于0.2 s;相较于传统的电磁多物理场数值计算方法,计算速度提升了3个数量级以上。因此,本文代理模型的快速精确预测能力对新型高功率微波器件的稳定性分析、可靠性评估和优化设计具有重要的理论指导意义和实际工程应用价值。

高功率电磁学中的智能计算技术

以麦克斯韦方程组为理论基础,计算电磁学在电磁预测、故障诊断等高功率电磁领域取得了显著进展。近年来,随着人工智能(artificial intelligence,AI)技术的发展,其强大的数据拟合和非线性学习能力使得其在高功率电磁计算领域获得了广泛关注,为解决数据限制、计算负担等若干高功率电磁领域的研究瓶颈提供了新的可能。本文讨论了AI在高功率电磁计算领域的若干研究成果,并对该领域的发展进行了展望。