氙离子推力器阳极工质分配方式优化

使用两种数值方法研究微尺度下惰性气体的流动现象,验证表明壁面速度滑移条件的N-S（Navier-Stokes）方法能够较好地模拟离子推力器气体分配环内工质流动特性.为了降低氙工质注入放电室过程中气流速度,并改善其周向均匀性,针对现有气体分配环构型提出符合4级环切场离子推力器放电特性的改进方案:增加2级供气通道,进行双侧45°角开孔并增加气孔数目.数值计算表明:结构优化后氙气进入放电室周向均匀性提高37%,气流速度降低32%；推力器装配优化方案气体分配环进行实验,大束流工况下束离子电离能耗自183W/A下降至167W/A,离子推力器放电室性能得到了提高.      

基于机器学习的二次电子发射唯象模型

基于机器学习和深度人工神经网络（artificial neural network，ANN）提出一种二次电子发射唯象模型。利用Vaughan模型生成先验数据集，用于训练生成描述二次电子发射一般规律的先验知识ANN模型，并在不同参数条件下验证了先验知识ANN模型的正确性。然后，分别利用银和铝合金材料的二次电子发射系数实验数据修正先验知识ANN模型，分别得到了描述两种材料的特异ANN模型。测试结果表明，特异ANN模型计算结果与实验结果相比的平均绝对误差较Vaughan模型和Furman模型降低了30%以上，与复合唯象模型精度相当或更高。在小样本条件下测试了二次电子发射ANN模型的正确性，验证了分步训练方式的有效性和二次电子发射ANN模型对于小样本集的适应性。提出的基于机器学习的二次电子发射唯象模型能够避免复杂的参数修正过程，能够基于先验知识提升模型对于小样本的适应性，能够实现二次电子发射系数的连续插值，适于在数值模拟软件中使用。