摘要
本申请公开的无绝缘超导线圈电磁特性预测方法、系统、设备及介质,涉及电数字数据处理领域,该方法包括:构建物理信息神经网络模型,并基于数据拟合损失和包含基尔霍夫电流定律损失项、T‑A方程损失项和E‑J幂律损失项的物理约束损失构建损失函数;采用样本数据集对这一网络模型进行训练、测试以及验证,并在训练过程中采用自适应权重分配策略平衡损失函数中的各个损失项,通过Adam优化算法最小化损失函数,以得到电磁特性预测模型;将获取的当前的工况参数输入电磁特性预测模型,得到电磁特性预测结果。本申请解决了现有方法存在的计算效率低、物理一致性和泛化能力差等问题,为无绝缘超导线圈的快速设计、优化和运行提供了可行工具。
技术关键词
超导线圈
特性预测方法
神经网络模型
基尔霍夫电流定律
权重分配策略
电磁
物理
工况参数
坐标
方程
网络仿真
磁感应强度分布
样本
电数字数据处理
仿真模型
电场
可视化模块
上采样
系统为您推荐了相关专利信息
柔性显示屏
激光位移传感器
监测方法
MicroLED芯片
应变传感器
车辆运动状态
车载称重系统
训练神经网络模型
车辆速度信息
优化神经网络模型
玻璃罐
特征提取模块
预警系统
压力
多尺度特征提取
强化学习算法
统计系统
资源
深度学习模型
深度神经网络模型
锂离子电池模组
神经网络模型
电池模块
物理
多层感知器