考虑动态电枢导电性的电磁推进装置电枢运动特性

《IEEE Transactions on Energy Conversion》：Armature Motion Characteristics of Electromagnetic Propulsion Devices Considering Dynamic Armature Conductivity

电磁推进装置（EPD）动态电枢导电率反演方法研究。结合深度神经网络（DNN）与改进梯度下降法（DGD），通过实测电磁场数据修正参数化模型，建立电枢-轨道电磁-热-力耦合有限元模型，分析动态导电率对器件运动特性的影响。实验验证表明该方法有效提升计算精度，为EPD可靠性预测和结构优化提供理论支撑，并创新极端条件下材料属性实时测量方案。

　　

摘要：

在电磁推进装置（EPD）中，等效电枢导电率会随着体导电率和接触电阻的变化而动态变化，这直接影响装置的运动特性。然而，在极端的电磁、热力和冲击条件下，实时原位测量电枢导电率仍然具有挑战性。为了提高数值模型的计算精度，本文提出了一种基于动态电枢导电率反演的方法来分析EPD的运动特性。首先，通过电磁推进实验获取测量点的实时电枢速度和空间磁场信息。随后，通过将深度神经网络（DNN）与改进的梯度下降法（DGD）相结合，开发了一种动态电枢导电率反演模型。该模型利用测量的磁通密度来校正参数化模型的计算值，从而获得电枢导电率的时空特性。接下来，基于反演结果开发了电枢-导轨的瞬态电磁、热力和力耦合有限元模型，从而能够分析动态电枢导电率对装置运动特性的影响。最后，实验验证表明，考虑动态电枢导电率的方法显著提高了有限元模型的计算精度。这项工作为EPD的进一步可靠性预测和结构优化设计提供了理论支持，同时也为极端条件下材料特性的实时原位测量提供了新的解决方案。