基于生成神经网络的自适应热控薄膜设计

自适应温度调控器件以其智能开关特性而逐渐成为研究焦点,但是一方面其特殊的光谱要求使得器件设计过程复杂且周期冗长,另一方面器件热控性能亟待提高以满足更加严苛的应用场景。针对以上问题,提出一种深度生成神经网络模型来执行上述复杂的优化任务,该网络模型的更新不依赖于数据集,而是将生成神经网络与传输矩阵方法（TMM）相结合,通过TMM返回的梯度信息指导产生符合预期的多层膜结构,并自动优化膜层厚度和材料种类。作为网络优化能力的验证和演示,本课题组使用该方法设计了一种基于二氧化钒的自适应热控器件,实现了高温太阳吸收比低于0.2、高温发射率高于0.9、发射率差值大于0.8的优异性能。与传统的优化算法相比,生成神经网络以高自由度和更快的速度寻找最优解,与普通神经网络相比,全局优化网络考虑整体的优化目标,通过全局搜索寻找全局最优解,设计结果也证明了该方法在复杂设计任务中的实用性。     

基于模糊控制的光子辐射制冷功率测量系统

依据热平衡原理设计了以单片机为控制核心,DS18B20数字温度传感器和铂电阻PT100为检温元件,正温度系数（PTC）效应加热器为执行元件的温控及制冷功率测量系统。通过模糊PID(Proportional Integral Derivative)控制算法输出不同占空比的脉宽调制波,控制辐射冷却材料温度和环境温度保持一致性,同时利用3D打印工艺完成装置的搭建,最终测算出辐射制冷功率。实验结果表明,系统测量计算的辐射制冷功率与理论预测值接近,该系统可以有效满足多种辐射冷却材料的测量。