XiaoMi-AI文件搜索系统
World File Search System磁轴承
基于机器学习的混合双胞胎增强了磁轴承实时模拟的减少订单模型
磁轴承的模拟涉及高度非线性物理，对输入变化高度依赖。此外，在使用经典计算方法时，在现实的计算时间内，这种模拟是耗时而无法运行的。另一方面，经典模型还原技术无法在允许的计算窗口内实现所需的精度。为了解决这种复杂性，这项工作提出了基于物理的计算方法，模型还原技术和机器学习算法的组合，以满足要求。用于表示磁性轴承的物理模型是经典的Cauer梯子网络方法，而模型还原技术是在物理模型解决方案的误差上应用的。后来，在潜在空间中，机器学习算法用于预测潜在空间中校正的演变。结果显示了解决方案的改进，而不会稀释计算时间。该解决方案是几乎实时计算的（几毫秒），并将其与有限的元素参考解决方案进行了比较。关键字：光谱法，减少基础，机器学习，磁性轴承，磁悬浮，长期术语记忆
开发用于铁路飞轮储能系统的可承受大负载的超导磁轴承
山梨县的米仓山光伏电站已经演示了使用高温超导磁轴承 (SMB) 的飞轮储能系统 (FESS) 的应用。为了将 FESS 作为一种能够防止取消再生制动的系统应用于铁路，必须增加其储能容量。因此，进行了高达 158 kN 的悬浮力试验和确定悬浮力蠕变特性的试验，以验证 SMB 悬浮力的裕度。此外，为了评估 SMB 悬浮和旋转特性在转速反复变化下的长期可靠性和耐久性，正在开发能够同时测试 SMB 悬浮和旋转状态的新型 SMB 测试设备。