CST案例-行波管TWT仿真(下)自洽互作用热设计

这一期我们一起看一下CST自带案例之一,行波管(TWT,traveling wave tube)。行波管放大器增益一般在30-60dB,常用于卫星通信和雷达。

Component Library 中搜Travelling Wave Tube模型,该模型是慢波结构Slow Wave模型的周期结构,我们用了49.5个周期,管大概长12cm,属于小型,增益也设计得没有很高,只用于演示。

Step 1. 查看建模

两端在Y方向开了两个波导端口,作为信号输入和输出。当然实际设计中可以沿途增加更多的方型端口,也可以是同轴端口,用于导出反射波、作为耦合器、或增加级数等功能。所以我们的案例是相对简化的。

端口1这边的管尽头加个圆柱作为粒子源(电子枪)PEC结构,等下我们看粒子源定义。该结构产生的粒子会在静磁场的作用下,在螺旋结构中心形成电子束。

端口2我们直接就用电边界封口,事实上六个边界都是电边界,紧贴结构。

这里计算要想精准,所有结构都建议本地加密,端口网格起码要加密成这样:

基本上到这里就可以用T-solver来做冷分析了,因为还没粒子什么事。时域信号就是看端口信号,从一个波导端口到另一个,我们就不细说了。当然这部分也挺重要,相当于是耦合器设计,设计不好会导致反向波谐振。值得注意的是,TWT时域仿真不要用energy check,因为能量腔体结构收敛比较慢。

下面是正常的时域仿真结果:

Step 2. 粒子源

接下来做热设计,粒子终于上场了!当当当当~(自行配音)。

选择圆柱内面,然后定义Particle Circular Source就可以了。这里用的是DC发射模型,是稳定的电流,Edit编辑里面可以电流值、上升时间、粒子动能等。这些信息可以通过电子枪设计时用Trk-solver追踪求解器求出(可用Particle Interfaces功能导入),这里我们就用默认了。

这里我们用10mA,上升时间0.1ns;动能分布均匀,值为0.16,也就是电子初始速度是光速的16%。这个值是为了和之前慢波结构中E-solver求出的波的相速度相匹配,从而使电子和波的速度相近,达到强相互作用。

其他发射模型详细请查看help:

Step 3. 磁场

再来看磁场,静磁场是Source Field这里添加的。

这里我们加个Z方向的均匀B-field,0.5T,实际行波管的磁场可以是来自管中部放置的空心同轴圆柱磁铁,这里我们就用理想磁场替代。等下仿真之后这个均匀的磁感应强度分布就能看到。

Step 4. 输入信号

行波管的输入射频信号设置比较特别,由于我们没有实际需要放大的信号,这里就用sinestep正弦阶梯信号做演示。频率5.855GHz是我们的载波频率,也对应之前慢波结构相速度0.16.

生成的信号是振幅为1的信号,还不是输入信号。输入信号要用这个signal1乘以激励功率。

这里还有个Chirp rate选项可以用来设置啁啾信号,就是频率随时间改变,跟鸟叫似的。不用这个就是单频点结果,用了就是宽频的结果。当然这里是指后处理时傅里叶变换不考虑一开始的上升信号,只看稳态的话。

Step 5. PIC求解器

PIC 是Particle-In-Cell,是自洽的时域电磁场和粒子在全波段互作用计算的高级求解器。这里定义输入信号的功率,也就0.05W平均功率,0.1W的峰值功率。推荐将该功率值参数化,可以方便过后参数化扫描仿真,然后可以拿到放大器基本的输出输入功率曲线,这里我们就不做了,等下直接上个图。

到这里基本就是准备好仿真了,当然还可以加一些监视器,就留给同学自己探索吧。这里要注意的是,行波管仿真通常时间很长,用了GPU加速卡则时间大幅缩减,这是也是CST的优势之一。一起看下结果,1DResult有各种数据:

重点1:看输入信号和输出信号稳态时的放大效果:

量一下稳态的峰值,然后用后处理20log()就可以算出增益了。不是10log()哦,因为这个单位是根号瓦。

重点2:粒子的的速度调制情况,粒子传播和束化的三维动图:

下图是一帧的相位空间曲线,可以看出粒子不同位置时的能量,总体能量是下降的(震荡越来越强不容易看出),因为能量转换去射频信号。当增益设计的大一些的时候,我们就可以清晰地看到这个曲线是震荡式地下跌。

重点3:最后看一张客户用TWT参数扫描画出的增益曲线和宽频输出功率曲线(不同模型),宽频结果之前的Chirp函数也可以拿到互相验证。可以看到和一般功率放大器不同,在达到饱和点之后,TWT的增益是会下降的。

最后再看一下行波管TWT的完整设计流程,这些都可以在CST一个界面完成:

第一步,粒子源仿真,我们之前写过一个简单的电子枪案例,可参考。

第二步,慢波结构仿真,之前SWS用本征模做冷设计分析案例,可参考。

第三步,输出信号仿真,也就本篇PIC-solver做功放的热设计分析。

第四步,收集极电磁仿真,接收粒子,二次倍增等。也可以合并收集极一起热分析。

第五步,收集极热学仿真。

【相关内容】

CST如何设置场探针

如何在CST中设置入射电磁波的极化角?

CST如何将导入的CAD模型由二维更正为三维

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/1129462.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Z-Image-Turbo教育场景应用:为课件制作生动插图

Z-Image-Turbo教育场景应用:为课件制作生动插图 在现代教育数字化转型的浪潮中,教师对高质量、个性化教学资源的需求日益增长。传统课件中的静态图片往往缺乏吸引力,难以激发学生兴趣。而AI图像生成技术的兴起,为教育内容创作带来…

Z-Image-Turbo时间旅行历史重现画面

Z-Image-Turbo时间旅行历史重现画面:基于阿里通义模型的二次开发实践 引言:当AI遇见历史——图像生成技术的新边界 在数字人文与人工智能交汇的前沿,Z-Image-Turbo 正在重新定义我们“看见”过去的方式。这款由阿里通义实验室推出的高效图像…

JavaScript有哪些数据类型?如何判断一个变量的数据类型?

文章目录JavaScript有哪些数据类型?如何判断一个变量的数据类型?1.JavaScript 的原生值 (primitive values)1.1 字符串 String1.2 布尔值 Boolean1.3 Number1.4 BigInt1.5 Undefined1.6 Null1.7 Symbol2.JavaScript中的对象(objects)3. 如何辨别一个变量…

基于M2FP的智能运动损伤预防系统

基于M2FP的智能运动损伤预防系统 🧩 M2FP 多人人体解析服务:核心技术支撑 在构建智能运动损伤预防系统的进程中,精准、实时的人体姿态与结构理解是实现动作风险评估的关键前提。传统姿态估计算法多聚焦于关节点检测(如OpenPose&am…

M2FP模型API开发指南:快速构建服务接口

M2FP模型API开发指南:快速构建服务接口 📖 项目简介:M2FP 多人人体解析服务(WebUI API) 在计算机视觉领域,人体解析(Human Parsing) 是一项关键的细粒度语义分割任务,…

手把手教你部署M2FP:上传图片即得彩色分割图,无需深度学习基础

手把手教你部署M2FP:上传图片即得彩色分割图,无需深度学习基础 🌟 为什么选择M2FP?从“看不懂的模型”到“拖图出结果”的跨越 在计算机视觉领域,语义分割一直是极具挑战性的任务之一。尤其是在多人场景下对人体部位…

智慧校园项目招投标中标通知书发出流程与注意事项

✅作者简介:合肥自友科技 📌核心产品:智慧校园平台(包括教工管理、学工管理、教务管理、考务管理、后勤管理、德育管理、资产管理、公寓管理、实习管理、就业管理、离校管理、科研平台、档案管理、学生平台等26个子平台) 。公司所有人员均有多…

揭秘7款免费AI论文工具:润色+提原创,导师不会说的秘密

90%的学生还在为论文降重、润色、赶deadline熬夜爆肝,却不知道有些工具能让这个过程轻松90%。导师们或许用过,但绝不会在明面上告诉你。今天,我们就来揭开这层“学术信息差”的面纱。 你是否也曾面临这样的困境:对着空白的文档发呆…

智能镜子项目实战:集成M2FP实现穿衣效果实时分析

智能镜子项目实战:集成M2FP实现穿衣效果实时分析 在智能硬件与AI融合日益深入的今天,智能镜子正从概念走向落地。其核心能力之一——穿衣效果可视化分析,依赖于高精度的人体语义分割技术。如何让一面镜子“看懂”用户的着装,并对…

计算机毕设java网上订餐系统 基于Java的在线餐饮预订平台设计与实现 Java技术驱动的网络订餐系统开发

计算机毕设java网上订餐系统d0a769(配套有源码 程序 mysql数据库 论文) 本套源码可以在文本联xi,先看具体系统功能演示视频领取,可分享源码参考。随着互联网技术的飞速发展,人们的生活方式发生了翻天覆地的变化。尤其是在疫情期间…

M2FP模型在影视后期中的人物分离技术

M2FP模型在影视后期中的人物分离技术 🎬 影视后期新范式:精准人物分离的工程挑战 在现代影视后期制作中,人物分离(Human Parsing) 已成为视觉特效、虚拟换装、背景替换等关键流程的核心前置步骤。传统抠像技术依赖绿幕…

Python使用DrissionPage上传文件:从基础到实战指南

在自动化测试和网页爬虫开发中,文件上传是一个常见需求。本文将详细介绍如何使用Python的DrissionPage库实现高效稳定的文件上传操作,涵盖基础原理、核心方法和实战案例。 一、DrissionPage上传文件的核心原理 DrissionPage是一个基于Selenium和Reques…

Nordic的nRF54L系列也推出单片机AI版nRF54LM20B,搭载Axon NPU的新型超低功耗无线SoC

https://www.nordicsemi.com/Nordic-news/2026/01/nRF54L-Series-SoC-with-NPU-and-Nordic-Edge-AI-Lab-make-on-device-intelligence-easily-accessible 搭载Axon NPU的新一代nRF54LM20B 2023年,Nordic收购了Atlazo及其Axon技术。nRF54LM20B SoC是nRF54L系列首款大…

深度学习入门:使用M2FP完成第一个分割项目

深度学习入门:使用M2FP完成第一个分割项目 📌 为什么选择M2FP作为你的语义分割起点? 对于刚接触深度学习的开发者而言,图像分割是一个既吸引人又充满挑战的任务。尤其是多人人体解析——在一张图中精准识别多个个体的身体部位&a…

openspec开放标准参考:M2FP符合可解释AI设计原则

openspec开放标准参考:M2FP符合可解释AI设计原则 🧩 M2FP 多人人体解析服务 (WebUI API) 项目背景与可解释AI的契合点 在人工智能系统日益深入视觉内容理解的今天,可解释性(Explainability) 成为衡量模型是否具备工程…

百度搜索关键词优化:M2FP人体解析相关词条排名上升

百度搜索关键词优化:M2FP人体解析相关词条排名上升 📌 从技术落地到流量增长:M2FP多人人体解析服务的SEO实践启示 在AI模型日益普及的今天,一个优秀的深度学习项目不仅要具备工程稳定性和功能完整性,还需在信息分发层面…

M2FP在低光照条件下表现如何?实测结果显示鲁棒性强

M2FP在低光照条件下表现如何?实测结果显示鲁棒性强 📖 项目简介:M2FP 多人人体解析服务 在计算机视觉领域,人体解析(Human Parsing) 是一项关键的细粒度语义分割任务,目标是将人体分解为多个语义…

为什么多人解析常出错?M2FP内置拼图算法让Mask合并更精准

为什么多人解析常出错?M2FP内置拼图算法让Mask合并更精准 🧩 M2FP 多人人体解析服务:从离散Mask到完整语义图的工程突破 在当前计算机视觉领域,多人人体解析(Multi-person Human Parsing) 是一项极具挑战性…

除尘系统设计(源码+万字报告+讲解)(支持资料、图片参考_相关定制)

除尘系统设计 摘 要:作为一种高效气固分离设备,旋风除尘器在工业除尘系统中的应用非常广泛,而随着环保要求越来越严格,提高除尘设备效率,降低能耗,降低运行阻力成为研究的重点,利用含尘气流在设…

Kafka和RabbitMQ相比有什么优势?

Kafka和RabbitMQ都是流行的消息中间件系统,他们各自都有一些优势和适用场景。以下是Kafka相对于RabbitMQ的一些比较明显的优势:分布式架构:Kafka是为大规模分布式流处理而设计的,具有高度可伸缩性。RabbitMQ虽然也支持分布式架构&…