用于磁滞高频序列到序列预测的多尺度ResNet增强傅里叶神经算子框架

精确建模磁滞现象对于高保真功率电子设备仿真至关重要。瞬态磁滞现象如振铃效应和次环是精确磁滞建模和铁芯损耗估计的瓶颈。为同时捕捉磁滞回线的宏观结构和微观瞬态细节，本文提出了多尺度 ResNet 增强傅里叶神经算子（Res-FNO）。该框架采用混合输入结构，通过专用特征工程将时序数据与标量材料标签相结合。具体而言，磁通密度的时间导数（$\frac{dB}{dt}$）被纳入作为关键物理特征，以增强模型对高频振荡和次环触发的灵敏度。所提出的架构通过将多尺度 ResNet 路径与 FNO 模块并行集成，实现了全局谱建模与局部细化的协同。这使得全局算子路径能够捕捉潜在的物理演化，而局部细化路径则补偿谱偏差并重建精细的时间细节。在 79 号材料到 3C90 号材料的多种磁性材料上的广泛实验验证证明了所提出的 Res-FNO 的强泛化能力，证明了其在实际功率电子应用中建模复杂振铃效应和次环的稳健能力。