基于电磁模型的大气压表面波等离子体数值模拟

来源 :电子科技大学学报 | 被引量 : 0次 | 上传用户:nm100
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对表面波等离子体模拟复杂程度高和计算工作量大的问题,提出基于电磁模型来开展大气压等离子体的数值模拟.根据表面波等离子体的放电特性,合理建立和简化电磁模型.通过对比实验诊断与数值计算结果,验证了模型的可靠性及其参数适用范围,拟合得到的电子有效碰撞频率((1.5±0.25)×1011 s?1)与实验测量值吻合.在此基础上,重点考察了外部控制参数(介电常数、激励频率(2.45 GHz和915 MHz)、放电管几何尺寸(壁厚和内径))对等离子体密度和电磁参数(电场分布和传播常数)等的影响.结果表明,电子密度及其轴向梯度随着介电常数、激励频率和壁厚的增加而增大,而随着内径增大而减小.在电场分布上,维持等离子体的电场主要是表面波的轴向分量Ez.随着微波激励频率的降低,表面波在等离子体内的趋肤深度增加,Ez的径向分布变得更加均匀.表面波的衰减常数α和相位常数β随介电常数和壁厚的增加略微增大,而随频率和内径的增加显著减小.模拟结果定性分析了实验放电参数与外部控制参数的关联性.
其他文献
零中频架构近年来得到广泛应用,但是该架构中的同相/正交(I/Q)失衡问题严重影响接收信号的质量.通过后端补偿算法消除I/Q失衡是最为有效的手段之一,然而现有文献对宽带系统I/Q失衡中时间失配(TM)误差的研究不够全面.该文建立了一种包含TM误差的宽带I/Q失衡增广误差模型,首先基于数据辅助型方法对失衡误差进行估计,采用多项式拟合的方法将相位失衡误差进行分解,基于分解后的失衡误差设计了一种基于非线性相位的实数有限脉冲响应(FIR)滤波器的补偿结构对各项失衡误差进行补偿.根据最小二乘(LS)的思想选择最优的延
作为量子机器学习的一个新兴子领域,量子深度强化学习旨在利用量子神经网络构建一个量子智能体,使其通过与环境进行不断交互习得一个最优策略,以达到期望累积回报最大化.然而,现有量子深度强化学习方法在训练过程中需要与经典环境进行大量交互,从而导致大量多次调用量子线路.为此,该文提出了一种基于情景记忆的量子深度强化学习模型,称为量子情景记忆深度Q网络,该模型利用情景记忆来加速量子智能体的训练过程.具体来说,该模型将历史上出现的拥有高奖励值的经验记录到情景记忆中,使得在当前环境的状态与情景记忆中的某状态相似时,量子智