电磁脉冲(Electromagnetic pulses,EMPs)耦合进入发动机电控单元(Electronic control unit,ECU)的主要方式是通过线束传导,大电流注入(Bulk current injection,BCI)是控制器敏感度测试的标准试验方法。为了在设计阶段对电控单元的电磁...电磁脉冲(Electromagnetic pulses,EMPs)耦合进入发动机电控单元(Electronic control unit,ECU)的主要方式是通过线束传导,大电流注入(Bulk current injection,BCI)是控制器敏感度测试的标准试验方法。为了在设计阶段对电控单元的电磁脉冲防护设计进行优化,提出了基于线束传导规律的虚拟注入方法。该方法由基于一维卷积神经网络(Convolutional neural network,CNN)的线束传导预测模型及仿真电路实现,线束传导预测模型基于一维卷积神经网络,训练模型所用数据集为BCI试验采集的注入电流信号与调理电路输入端口响应信号,仿真电路在软件Multisim中建立。选择注入电流信号输入至预测模型,得到端口的预测信号,将该信号“注入”到仿真电路输入端口,通过监测仿真电路输出端口信号分析发动机电控系统是否发生电磁敏感现象。结果表明,预测信号与实际测量信号的误差不超过5.8%,虚拟注入结果与BCI试验结果一致,并与试验中观测的敏感现象吻合。该方法可以在设计阶段快速分析电控单元各模块的电磁敏感度,为电控单元的电磁脉冲防护设计提供参考依据。展开更多
文摘电磁脉冲(Electromagnetic pulses,EMPs)耦合进入发动机电控单元(Electronic control unit,ECU)的主要方式是通过线束传导,大电流注入(Bulk current injection,BCI)是控制器敏感度测试的标准试验方法。为了在设计阶段对电控单元的电磁脉冲防护设计进行优化,提出了基于线束传导规律的虚拟注入方法。该方法由基于一维卷积神经网络(Convolutional neural network,CNN)的线束传导预测模型及仿真电路实现,线束传导预测模型基于一维卷积神经网络,训练模型所用数据集为BCI试验采集的注入电流信号与调理电路输入端口响应信号,仿真电路在软件Multisim中建立。选择注入电流信号输入至预测模型,得到端口的预测信号,将该信号“注入”到仿真电路输入端口,通过监测仿真电路输出端口信号分析发动机电控系统是否发生电磁敏感现象。结果表明,预测信号与实际测量信号的误差不超过5.8%,虚拟注入结果与BCI试验结果一致,并与试验中观测的敏感现象吻合。该方法可以在设计阶段快速分析电控单元各模块的电磁敏感度,为电控单元的电磁脉冲防护设计提供参考依据。
