星载大功率复杂微波部件微放电效应数值模拟

随着航天器有效载荷技术向高功率、小型化持续发展,复杂结构微波部件微放电数值模拟与阈值分析成为影响微放电分析的基础瓶颈问题。基于电磁时域有限差分计算方法与粒子模拟技术,结合二次电子发射模拟,提出了微放电电磁粒子联合仿真方法,数值模型中考虑了真实电子间的库仑力以及电子运动产生的电荷和电流变化对电磁场的影响,解决了复杂结构微波部件微放电三维数值模拟技术难题。实现了在统一的三维空间网格与时间步进行电磁场值演变计算、电子运动状态变化推进计算与二次电子产额与能量分布计算,基于得到的二次电子数目随时间变化趋势实现了微放电阈值预判,通过微放电电子随时间演化获得了微放电过程具体物理图像及放电位置,并与实际器件微放电实验进行了对比验证。结果表明,所提出的三维电磁粒子数值模拟方法可对大功率微波部件微放电效应的物理过程与具体放电位置进行三维描述,预测的阈值与微放电实验测量值吻合良好,误差小于1.2dB,验证了该方法的有效性与准确性,对于深入研究微放电效应微观物理机制、提高大功率微波部件微放电设计与分析水平具有重要意义。     

基于时域有限差分的微放电仿真算法

为克服传统微放电阈值预测方法建模粗糙、精度低的缺点,提高阀值预测精度和效率,研究了基于时域有限差分的精确微放电阀值预测算法。基于时域有限差分算法和粒子追踪算法,通过时空网格自洽互耦实现复杂结构微波器件微放电阈值准确计算。其中,共形和并行算法是提高微放电仿真精度和效率的关键。文章基于空间蛙跳策略实现了基于时域有限差分的微放电仿真算法,利用算法分析了典型微波器件的微放电阈值,仿真与实验结果吻合良好,误差小于0.3dB;同时,并行效率最高可达83%,验证了算法的准确性和高效性。     

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。