稳定同位素电磁分离器的磁铁结构及其装配方法

    公开(公告)号:CN116392966A

    公开(公告)日:2023-07-07

    申请号:CN202111630394.5

    申请日:2021-12-28

    Abstract: 本发明公开一种稳定同位素电磁分离器的磁铁结构及其装配方法,其中磁铁结构包括:上磁轭和下磁轭,上磁轭和下磁轭之间设置有第一柱体、第二柱体,第二柱体平行于所述第一柱体;其中,第一柱体、第二柱体均包括多个从上往下设置的磁极,多个磁极外侧均设置有线圈,多个相邻磁极形成多个磁铁空气区,多个磁铁空气区用于放置多个分离室;磁铁结构产生的磁场使得第一柱体、第二柱体内各个分离室的磁场方向相反,各个分离室内的磁感应强度相同。本发明的磁铁结构产生的磁场呈环形分布,充分考虑一器多室结构的磁场对称性,充分利用磁场,并使得电磁分离器的能耗低、重量轻、占地面积小。

    基于PINN的真空室空间电荷场和束流耦合阻抗的计算方法

    公开(公告)号:CN118886195A

    公开(公告)日:2024-11-01

    申请号:CN202410933610.0

    申请日:2024-07-12

    Abstract: 本发明提出了一种基于PINN的真空室空间电荷场和束流耦合阻抗的计算方法,包括:在腔体横截面上设置计算域,并生成随机采样点;将该采样点作为PINN神经网络的输入参数;构造该神经网络的隐含层;得到该神经网络的空间电荷场输出值#imgabs0#θ是包含待训练神经网络中所有权重w和偏置b的向量;定义该神经网络的损失函数L;通过基于梯度优化的L‑BFGS算法最小化损失L,训练所构建的神经网络以找到最佳参数θ;判断损失L是否小于阈值,如果否,返回步骤四继续训练,如果是,继续步骤八;基于最佳参数θ的神经网络空间电荷场输出值#imgabs1#的波束耦合阻抗计算。本发明可以有效避免结构化网格的标准FIT存在弯曲边界的阶梯误差和非结构化网格精确边界建模导致算力增加的情况。

    一种回旋加速器径向靶靶头结构

    公开(公告)号:CN117998722B

    公开(公告)日:2024-09-03

    申请号:CN202410080833.7

    申请日:2024-01-19

    Abstract: 本发明公开了一种回旋加速器的径向靶靶头结构,包括沿着束流前进方向遮挡束流并获取束流信号的径向靶异形靶头、用于给径向靶靶头散热的靶头水冷块、以及用于驱动径向靶靶头在加速器中心平面上径向移动的靶杆;其特点是:该异形靶头在尾部设有卡槽,该卡槽用于安装靶头前绝缘板、以及靶头后绝缘板;该靶头前绝缘板用于安装从异形靶头引出的信号测量传输线和防溅射板;该靶头后绝缘板用于连接靶头传热板,该靶头水冷块通过靶头传热板和靶头后绝缘板实现对异形靶头的间接水冷。本发明与用靶杆传递束流信号的方式相比,绝缘的设计更简单,结构更简单。靶头的水冷采用间接水冷,冷却水可采用常规冷却水,不需去离子水。冷却的成本更低。

    一种回旋加速器径向靶靶头结构

    公开(公告)号:CN117998722A

    公开(公告)日:2024-05-07

    申请号:CN202410080833.7

    申请日:2024-01-19

    Abstract: 本发明公开了一种回旋加速器的径向靶靶头结构,包括沿着束流前进方向遮挡束流并获取束流信号的径向靶异形靶头、用于给径向靶靶头散热的靶头水冷块、以及用于驱动径向靶靶头在加速器中心平面上径向移动的靶杆;其特点是:该异形靶头在尾部设有卡槽,该卡槽用于安装靶头前绝缘板、以及靶头后绝缘板;该靶头前绝缘板用于安装从异形靶头引出的信号测量传输线和防溅射板;该靶头后绝缘板用于连接靶头传热板,该靶头水冷块通过靶头传热板和靶头后绝缘板实现对异形靶头的间接水冷。本发明与用靶杆传递束流信号的方式相比,绝缘的设计更简单,结构更简单。靶头的水冷采用间接水冷,冷却水可采用常规冷却水,不需去离子水。冷却的成本更低。

    基于PINN的真空室空间电荷场和束流耦合阻抗的计算方法

    公开(公告)号:CN118886195B

    公开(公告)日:2025-03-25

    申请号:CN202410933610.0

    申请日:2024-07-12

    Abstract: 本发明提出了一种基于PINN的真空室空间电荷场和束流耦合阻抗的计算方法,包括:在腔体横截面上设置计算域,并生成随机采样点;将该采样点作为PINN神经网络的输入参数;构造该神经网络的隐含层;得到该神经网络的空间电荷场输出值#imgabs0#θ是包含待训练神经网络中所有权重w和偏置b的向量;定义该神经网络的损失函数L;通过基于梯度优化的L‑BFGS算法最小化损失L,训练所构建的神经网络以找到最佳参数θ;判断损失L是否小于阈值,如果否,返回步骤四继续训练,如果是,继续步骤八;基于最佳参数θ的神经网络空间电荷场输出值#imgabs1#的波束耦合阻抗计算。本发明可以有效避免结构化网格的标准FIT存在弯曲边界的阶梯误差和非结构化网格精确边界建模导致算力增加的情况。

Patent Agency Ranking