电磁轨道炮电枢电磁推力特性分析与验证

系统分析电枢电磁推力,对电磁轨道炮动态特性研究和可靠性设计具有重要意义。为了对不同计算方法下的电枢电磁推力横向对比和定量研究,给出了基于Kerrisk轨道电感梯度的解析计算方法、电流扩散和速度趋肤效应影响下的电枢控制方程。基于公开试验数据,搭建电磁轨道炮有限元模型,其中考虑速度趋肤效应模型的电枢出口速度仿真计算值与试验测量值仅相差0.53%。通过调整模型参数,仿真分析电磁场分布特性,并进一步定量研究电枢电磁推力的动态特性。仿真结果表明,速度趋肤效应对电枢电磁推力的影响不可忽略,400 m/s是模型中影响电枢电磁推力的最大速度值,这对电磁轨道炮结构的精细化设计具有指导意义。

小样本条件下永磁同步电机深度迁移学习性能预测方法

使用深度学习算法建立代理模型可实现电工装备性能的快速预测与分析,但其训练过程需大量样本。而现代电工装备的标签样本稀缺,导致模型预测精度低,制约了算法的工程应用。考虑到历史任务中积累的标签样本充足,且此类样本与目标任务的样本间存在相关的知识信息,建立了一种深度迁移学习性能预测方法,将历史电机样本中积累的性能预测知识迁移应用于目标电机性能分析中。首先使用目标域无标签样本对深度置信网络(DBN)进行逐层无监督训练,然后借助源域有标签样本建立参数共享的预训练网络,最后通过少量目标域有标签样本进行适配层训练和全网络微调的方法实现模型迁移。通过结构差异程度不同的Prius电机进行案例验证,结果表明,所提方法能够在满足一定预测精度的情况下,使用较少的标签样本完成目标电机的性能预测任务,为现代电工装备的性能分析与优化提供了新的思路和实践方法。