新型微型电磁继电器活动衔铁的设计方法研究

针对三维线圈式微型电磁继电器活动衔铁的设计方法问题,基于微机电系统(MEMS)技术,设计了一种应用三维线圈的新型微型电磁继电器。分析了该继电器中活动衔铁的弹性对微型电磁继电器吸合时间、超程等整体性能参数的影响,基于有限元模拟研究了基于三维线圈的微型电磁继电器的活动衔铁的结构设计方法,考察了常用参数与活动衔铁弹性的关系,最后给出了在设计活动衔铁结构时的基本方法和准则。研究结果表明:微型电磁继电器的整体性能与活动衔铁的弹性正相关;硅弹簧的结构设计对活动衔铁弹性和继电器性能有重要影响。

基于迁移学习和物理约束的温度场重构方法

通过少量离散的测点准确重构完整温度场可以方便快捷地大幅扩充测量数据,在航空航天等领域具有重要意义。本文以三维平板气膜冷却温度场重构问题为例,提出了一种基于迁移学习和物理约束(TL-PINN)的三维温度场重构方法。首先将导热方程加入神经网络损失函数作为约束,并通过其他工况的丰富数据进行预训练,再迁移至目标域内,通过少量测点微调训练得到最终模型。基于数值仿真数据进行模型的训练和测试,结果显示,相比于常规前馈神经网络和物理约束神经网络,TL-PINN具有更低的温度场预测误差和更少的模型训练时间。并且考察了不同可训练层和源工况条件对最终模型温度预测能力的影响,发现仅训练部分隐藏层可节约训练时间,源工况条件对模型的影响较小。

基于约束神经网络的气膜冷效分布预测方法

为提高涡轮叶片气膜冷却设计效率,提出以高斯函数约束的单排气膜冷效分布神经网络预测方法,并结合修正叠加原理预测多排气膜冷效分布。针对平板单排气膜,以主流湍流度、密度比、吹风比、气膜入射角和长径比以及无量纲流向距离为输入预测高斯函数的3个系数,再将无量纲横向距离代入预测的高斯函数计算得到冷效。高斯函数约束的神经网络对测试集的面平均冷效预测误差仅为5.70%,比直接预测的误差低67%。基于单排气膜预测模型,再根据吹风比和无量纲坐标预测多排气膜叠加原理修正系数,从而计算多排气膜冷效。在吹风比为0.5和1时,多排叉排气膜的面平均冷效预测误差分别仅为6.19%和12.19%。结果说明该方法具有较强的气膜冷效分布预测能力。