强激光与粒子束

作者：孙楚昱, 陈伟, 王海洋, 汲胜昌,

关键词：沿面闪络, 支持向量机, 电压预测, 人工智能, 数据驱动,

纳秒脉冲下SF6中的沿面闪络涉及的物理过程复杂，如何准确预测该环境下的绝缘介质沿面闪络电压是高压脉冲功率设备设计与绝缘可靠性评估的关键挑战。与传统工频或直流电压相比，纳秒脉冲极短的上升时间和高幅值导致空间电荷效应显著、放电发展机制迥异，使得基于经典理论的预测模型面临严峻挑战。近年来，随着计算机算力的飞速提升和人工智能算法的突破性进展，基于数据驱动的机器学习方法在解决复杂非线性绝缘问题中展现出了巨大潜力。针对纳秒脉冲下这一特定难题，选取了支持向量机、多层感知机、随机森林和极端梯度提升树等四种算法对15～500 mm多尺度距离范围内不同实验条件下的闪络电压数据进行了训练和预测，其预测结果的ROC 曲线下面积（AUC）值均在0.9以上，表现最优的是支持向量机算法。同时，为了验证预测模型的准确性，选取表现较为优异的支持向量机模型对另选取的100 mm距离数据进行了预测，AUC值达到0.99，这表明预测准确率高，可以认为模型具备较强的泛化性，从而验证了不同实验条件下基于数据驱动的SF6中闪络电压预测方法的可行性。

来源：2026年第2期

《强激光与粒子束》期刊编辑部

查看强激光与粒子束杂志2026年第2期