期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
集成AI的电工装备电磁场有限元仿真软件MBSE建模与应用
1
作者 金亮 贾雨方 +2 位作者 刘璐 郭劭男 马天赐 《电工技术学报》 北大核心 2025年第16期5186-5203,共18页
电磁场有限元仿真软件在电磁设计和分析中至关重要。然而商业软件价格高昂且功能冗余,同时随着人工智能(AI)的发展,深度学习与传统数值模拟的结合提升了仿真精度和效率。为此,亟须开发自主可控、轻量化、面向企业定制的智能仿真软件。... 电磁场有限元仿真软件在电磁设计和分析中至关重要。然而商业软件价格高昂且功能冗余,同时随着人工智能(AI)的发展,深度学习与传统数值模拟的结合提升了仿真精度和效率。为此,亟须开发自主可控、轻量化、面向企业定制的智能仿真软件。该文首先提出了双向耦合的设计方法,使仿真软件能适应复杂需求。然后,基于模型系统工程(MBSE)方法,建立四个层级的电磁场有限元仿真软件的架构设计流程,并完成软件的建模,实现了系统结构和行为的定义和可视化。最后,基于Python开发了集成AI的软件原型IFEM,并通过两个实际案例验证了其功能和准确性。研究成果提高了软件开发的质量、效率和知识传承能力,为数值模拟工业软件在AI for Science背景下的AI集成提供了有效思路。 展开更多
关键词 模型系统工程(MBSE) 有限元 人工智能(AI) 电磁场计算
在线阅读 下载PDF
基于AI的电磁场计算建模研究综述
2
作者 金亮 苏浩展 +2 位作者 郭劭男 宋居恒 杨庆新 《电工技术学报》 北大核心 2025年第10期3013-3029,共17页
快速发展的人工智能(AI)技术,在图像、语言、决策和诊断等领域取得了重要进展,为复杂问题的有效解决提供了一种新方法。随着电工装备智能化程度的不断增加,强弱电耦合特性使得电磁场问题呈现的多尺度、多物理场耦合和非线性问题逐渐突出... 快速发展的人工智能(AI)技术,在图像、语言、决策和诊断等领域取得了重要进展,为复杂问题的有效解决提供了一种新方法。随着电工装备智能化程度的不断增加,强弱电耦合特性使得电磁场问题呈现的多尺度、多物理场耦合和非线性问题逐渐突出,对其进行高精度数值计算建模和优化计算的难度逐渐增加。因此,该文在AI背景下,结合课题组近期研究成果,介绍深度学习对数据驱动建模、物理驱动的偏微分方程(PDE)求解、知识嵌入建模等典型交叉问题的求解方法,特别是数据和知识联合驱动的复杂电磁场综合问题智能建模现状,阐述电磁综合性能精确建模分析与优化所面临的关键问题与可能的解决方案,并给出了未来发展趋势和面临的挑战。 展开更多
关键词 人工智能(AI) 电磁场 建模优化
在线阅读 下载PDF
基于残差U-Net和自注意力Transformer编码器的磁场预测方法 被引量:8
3
作者 金亮 尹振豪 +2 位作者 刘璐 宋居恒 刘元凯 《电工技术学报》 EI CSCD 北大核心 2024年第10期2937-2952,共16页
利用有限元方法对几何结构复杂的电机和变压器进行磁场分析,存在仿真时间长且无法复用的问题。因此,该文提出一种基于残差U-Net和自注意力Transformer编码器的磁场预测方法。首先建立永磁同步电机(PMSM)和非晶合金变压器(AMT)有限元模型... 利用有限元方法对几何结构复杂的电机和变压器进行磁场分析,存在仿真时间长且无法复用的问题。因此,该文提出一种基于残差U-Net和自注意力Transformer编码器的磁场预测方法。首先建立永磁同步电机(PMSM)和非晶合金变压器(AMT)有限元模型,得到深度学习训练所需的数据集;然后将Transformer模块与U-Net模型结合,并引入短残差机制建立ResUnet-Transformer模型,通过预测图像的像素实现磁场预测;最后通过Targeted Dropout算法和动态学习率调整策略对模型进行优化,解决拟合问题并提高预测精度。计算实例证明,ResUnet-Transformer模型在PMSM和AMT数据集上测试集的平均绝对百分比误差(MAPE)均小于1%,且仅需500组样本。该文提出的磁场预测方法能减少实际工况和多工况下精细模拟和拓扑优化的时间和资源消耗,亦是虚拟传感器乃至数字孪生的关键实现方法之一。 展开更多
关键词 有限元方法 电磁场 深度学习 U-Net TRANSFORMER
在线阅读 下载PDF
电磁轨道发射器高速下电流密度场预测 被引量:1
4
作者 金亮 宋居恒 +2 位作者 马天赐 尹振豪 张陈源 《电工技术学报》 EI CSCD 北大核心 2024年第19期5914-5928,5936,共16页
通过有限元方法计算发射过程中电流密度场,是实现电磁轨道发射器结构精细化设计的必要条件之一,但存在计算时间长、高速计算困难甚至无法计算的问题。该文首先以激励电流、电枢电导率、轨道结构参数和时间t为输入,建立了基于条件生成对... 通过有限元方法计算发射过程中电流密度场,是实现电磁轨道发射器结构精细化设计的必要条件之一,但存在计算时间长、高速计算困难甚至无法计算的问题。该文首先以激励电流、电枢电导率、轨道结构参数和时间t为输入,建立了基于条件生成对抗网络(CGAN)的电流密度场预测模型;然后,为提高对复杂场分布的预测能力,构建ResUnet-Trans网络作为CGAN的特征生成器;最后进行计算验证。以低速电磁轨道发射器实例验证模型内插预测精度,结果表明,模型在测试集上的平均绝对百分比误差(MAPE)小于1.5%;以高速电磁轨道发射器实例验证模型外推预测能力,结果表明,使用由低电导率向高电导率的迁移学习训练策略可以提高模型外推预测精度和泛化能力,在测试集上外推预测MAPE小于2.5%。该文提出的预测方法可实现电流密度场的秒级计算,为高速电磁轨道发射器的优化设计和数字化提供了一种新的思路。 展开更多
关键词 电磁轨道发射器 电流密度场分布 深度学习 图预测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部