-
公开(公告)号:CN118171581A
公开(公告)日:2024-06-11
申请号:CN202410429236.0
申请日:2024-04-10
Applicant: 燕山大学
IPC: G06F30/27 , G06F30/17 , G16C60/00 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于改进的物理信息神经网络的游标电机磁场模拟方法,该方法基于子域法中子域划分思想,结合游标电机结构特点和材料特性,将游标电机划分为10个子域。确定电机各构件的子域类别,明确各子域满足的控制方程、边界条件和初始值。建立基于物理信息的神经网络模型,并将确定的控制方程和边界条件作为神经网络的损失项,把直接求解控制方程的问题转换为损失函数的优化问题来实现电机磁场的求解,由于采用物理驱动,训练模型结果被赋予物理意义,满足相应的物理规律。本发明可避免目前解析法存在的因模型简化造成的误差,且求解结果不受网格质量影响,可避免有限元极细网格下存在的计算成本高、时间长的问题。
-
公开(公告)号:CN118153429A
公开(公告)日:2024-06-07
申请号:CN202410265460.0
申请日:2024-03-08
Applicant: 燕山大学
IPC: G06F30/27 , G06F30/17 , G06F30/23 , G06T17/20 , G06N3/0499 , G06N3/084 , G06F111/10 , G06F119/08 , G06F111/08 , G06F113/06 , G06F119/04
Abstract: 本发明公开了一种基于物理信息神经网络的游标电机温度场分析方法,包括:分析双定子永磁游标电机的同轴式结构;确定双定子永磁游标电机各构件的传热平衡方程和换热面的边界条件;基于游标电机各构件控制方程和换热面的边界条件生成训练数据集和测试数据集,基于游标电机各构件控制方程和边界条件形成损失函数,搭建嵌入物理信息的神经网络模型;归一化处理所述训练数据集和测试数据集,从而提高神经网络的求解精度,将基于归一化后的训练数据集输入神经网络模型中,优化该神经网络模型参数,得到训练最优的神经网络模型;将归一化处理后的测试数据集输入至最优的神经网络模型中,得到游标电机各构件的温度,实现对游标电机温度场的分析。
-