基于三周期极小曲面单胞阵列的电磁防护结构逆设计方法

本发明涉及电磁防护结构设计领域，尤其涉及一种基于三周期极小曲面单胞阵列的电磁防护结构逆设计方法。

背景技术：

1、随着无线电能传输技术的发展，电动汽车及电动汽车充电桩等行业越来越关注无线充电技术，无线充电相比有线充电不存在插头连接部位易损坏、线路易老化等问题，且有着不易受外界环境干扰、适用性灵活性强等优点，正逐渐应用于生产生活的各个领域当中。在无线充电过程中，会有一部分漏磁扩散至周围非工作区域且无法进行有效磁耦合，尤其对于充电功率等级较高的电动汽车无线充电系统，超量的漏磁不仅将造成设备的电磁干扰，还会直接威胁到车辆周围的人体安全。

2、现有技术通过给无线充电设备配备电磁屏蔽的技术措施以削弱磁漏，在铁氧体的基础上增加铝板屏蔽后，磁通向线圈背部方向的扩散虽进一步减弱，但有一部分磁通在穿过铝板时产生涡流效应，从而将磁场能量转化为热量损耗散失掉，由于涡流产生的反向磁通与主磁通存在抵消作用，导致传输效率降低。同时，传统铝板结构散热能力差，磁屏蔽材料的屏蔽有效性会随着温度的升高而降低。并且由于无线充电系统布置在电动汽车底盘，使得结构布置更加复杂，因此对于无线充电系统的防护以及车身一体化等问题也亟需解决。

3、极小曲面在几何学和物理学中具有重要的应用价值。它们是曲率为零的曲面，广泛应用于材料科学、建筑设计和生物医学工程等领域。特别是，三小周期极小曲面因其独特的几何性质和优良的力学性能，被广泛用于开发新型功能材料和结构。

4、目前，三小周期极小曲面的设计主要依赖于数值计算和几何建模方法。虽然这些方法能够生成高质量的极小曲面，但其设计过程通常复杂、耗时，并且对设计者的专业知识要求较高，这限制了三小周期极小曲面在电磁屏蔽结构中的实际应用。

5、随着近几年人工智能相关技术的迅速发展，人工智能的其中一个学科即深度学习技术获得了空前的突破。深度学习算法通过神经网络来推理输入输出的对应关系，尤其是对没有准确函数或数学对应关系的映射关系有非常不错的拟合效果。而条件生成对抗网络，通过引入条件约束，能够生成具有特定特征的目标数据，这为复杂曲面的生成提供了一种新的思路。

技术实现思路

1、本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种基于三周期极小曲面单胞阵列的电磁防护结构逆设计方法。

2、本发明为解决上述技术问题采用以下技术方案：

3、基于三周期极小曲面单胞阵列的电磁防护结构逆设计方法，包括以下步骤：

4、步骤1），建立一个包含三周期极小曲面单元结构及其结构性能的训练数据集；

5、所述三周期极小曲面单元结构的隐函数为：

6、；

7、式中，；

8、；

9、；

10、式中，、、分别为极小曲面、、的水平集值；、、分别为极小曲面、、预设的权重，，；

11、所述三周期极小曲面单元结构的结构性能包含电磁屏蔽性能、力学性能、散热性能；

12、具体步骤如下：

13、步骤1.1），随机生成n组、、；并通过拉丁超立方体采样策略生成n组、、，均匀覆盖水平集空间；

14、步骤1.2），对n组、、和n组、、随机配对形成k个三周期极小曲面单元结构；

15、步骤1.3），采用多物理场仿真软件对k个三周期极小曲面单元结构进行仿真，得到k个三周期极小曲面单元结构的电磁屏蔽效能曲线、应力-应变曲线、温度-时间曲线；

16、步骤1.4），将每个三周期极小曲面单元结构的形状参数向量及该三周期极小曲面单元结构的电磁屏蔽效能曲线、应力-应变曲线、温度-时间曲线作为一组数据，形成k组数据，并将这k组数据作为训练数据集；

17、步骤2），对训练数据集中的每一组数据进行预处理，其中第i组数据的预处理步骤如下：

18、步骤2.1），将第i组数据中的形状参数向量命名为形状向量；

19、步骤2.2），在第i组数据的电磁屏蔽效能曲线上按照预设的第一步长阈值依次选择20个点，将这20个点的纵坐标表示成单列向量；

20、步骤2.3），在第i组数据的应力-应变曲线上按照预设的第二步长阈值依次选择20个点，将这20个点的纵坐标表示成单列向量；

21、步骤2.4），在第i组数据的温度-时间曲线上按照预设的第三步长阈值依次选择20个点，将这20个点的纵坐标表示成单列向量；

22、步骤2.5），将列向量、、拼接成第i组数据的性能矩阵；

23、步骤3），建立条件对抗生成网络，所述条件对抗生成网络包含生成器模型g、鉴别器模型d；

24、生成器模型g包含6个依次相连的全连接层，第一个全连接层作为输入层，第六个全连接层作为输出层，第一个到第五个全连接层都使用relu激活函数，输出层使用softmax函数；输入层的输入参数为训练数据集中数据的形状向量、性能矩阵，输出层的输出为逆向生成的形状参数向量；

25、鉴别器模型d包含6个依次相连的全连接层，第一个全连接层作为输入层，第六个全连接层作为输出层，第一个到第五个全连接都使用relu激活函数，输出层使用sigmoid函数；输入层的输入参数为训练数据集中数据的形状向量、性能矩阵及其对应的逆向生成的形状参数向量，输出为对真假的判定结果；

26、条件对抗生成网络的损失函数为：

27、；

28、其中，表示期望，d为鉴别器模型d，g为生成器模型，pdata为训练数据集的数据分布，x从训练数据集中所有的形状向量中采样，y从训练数据集中所有的性能矩阵中采样，z从添加的高斯噪声的噪声分布pz中采样；

29、步骤4），将训练数据集作为训练样本对条件对抗生成网络进行训练，得到训练后的条件对抗生成网络；

30、步骤5），根据需要进行逆设计的三周期极小曲面单胞阵列的电磁防护结构的电磁屏蔽效能曲线、应力-应变曲线、温度-时间曲线获得其性能参数矩阵；

31、步骤5.1），在需要进行逆设计的三周期极小曲面单胞阵列的电磁防护结构的电磁屏蔽效能曲线上按照预设的第一步长阈值依次选择20个点，将这20个点的纵坐标表示成单列向量；

32、步骤5.2），在需要进行逆设计的三周期极小曲面单胞阵列的电磁防护结构的应力-应变曲线上按照预设的第二步长阈值依次选择20个点，将这20个点的纵坐标表示成单列向量；

33、步骤5.3），在需要进行逆设计的三周期极小曲面单胞阵列的电磁防护结构的温度-时间曲线上按照预设的第三步长阈值依次选择20个点，将这20个点的纵坐标表示成单列向量；

34、步骤5.4），将单列向量、、拼接成性能矩阵；

35、步骤6），将需要进行逆设计的三周期极小曲面单胞阵列的电磁防护结构的性能参数矩阵输入至训练完毕的条件对抗生成网络中，得到所需的三周期极小曲面单元结构。

36、本发明的创新性是：

37、1. 本发明基于条件对抗生成网络架构和多物理场耦合仿真，将电磁屏蔽效能曲线，应力-应变曲线和温度-时间曲线作为条件输入，使得生成的三周期极小曲面单元结构具有满足要求的电磁屏蔽性能，力学性能和散热性能。通过多物理场耦合，可以在设计阶段综合优化电磁屏蔽、力学强度和散热效果。以此确保生成的结构在实际应用中具备全面的性能优势，并提高设计的整体可靠性和安全性；根据用户需求调整电磁屏蔽性能，力学性能和散热性能在训练中的权重，在设计中找到最佳的平衡点，满足不同应用场景的特殊要求。

38、2. 本发明利用条件生成对抗网络进行三周期极小曲面生成，减少了手动设计的复杂性和时间成本；且用户无需具备深厚的数学和建模知识，只需提供设计需求即可生成符合要求的三周期极小曲面，通过调整条件输入，可以生成多样化的三周期极小曲面单元结构，满足不同的应用场景的需求。

39、3. 本发明在生成器模型g和鉴别器模型d中添加随机高斯噪声，使得网络可以在同一电磁屏蔽性能，力学性能和散热性能的输入下生成多组不同的三周期极小曲面单元结构的输出，设计人员在不同结构需求时能够有更多的选择。

技术特征：

1.基于三周期极小曲面单胞阵列的电磁防护结构逆设计方法，其特征在于，包括以下步骤：

技术总结
本发明公开了一种基于三周期极小曲面单胞阵列的电磁防护结构逆设计方法，该方法包括：建立一个包含三周期极小曲面单元结构及其结构性能的训练数据集；对训练数据集进行预处理；建立条件对抗生成网络，包含生成器模型G和鉴别器模型D；将训练数据集作为训练样本对条件对抗生成网络进行训练，得到训练后的条件对抗生成网络；将需要进行逆设计的三周期极小曲面单胞阵列的电磁防护结构的性能参数矩阵输入至训练完毕的条件对抗生成网络中，得到多个符合要求的三周期极小曲面单元结构。该逆设计方法可以直接通过所需结构性能参数矩阵得到符合要求的三周期极小曲面单元结构，减少了设计师所需相关专业知识，并大幅度提升了设计效率。

技术研发人员：王源隆,黄思宇,李思雨,张晨龙,金琦,赵万忠,王春燕,周冠
受保护的技术使用者：南京航空航天大学
技术研发日：
技术公布日：2024/12/5