基于卷积自编码网络的锂离子电池电极干燥流场非线性降维技术研究

针对传统线性降维方法需要模态数量多、重构误差大的问题,提出一种基于卷积自编码网络的锂离子电池电极干燥流场的非线性降维技术。首先,采用大涡模拟仿真获取锂离子电池电极干燥流场的数据集;然后,利用卷积自编码网络对流场进行重构,并详细比较Mish激活函数、ReLU激活函数与传统本征正交分解(POD)的重构效果。实验表明:本文采用的卷积自编码网络在不同方向速度分量、总速度的重构效果方面优于传统的POD技术;且Mish激活函数的收敛效率与重构误差均优于传统的ReLU激活函数。本文技术能准确重构锂离子电极干燥流场,具有一定的实用价值。