电磁轨道发射技术作为颠覆传统火炮的新型武器系统，凭借其1-3km/s的超高初速度优势，在军事装备领域展现出广阔前景。该技术通过平行导轨间强电流产生的反向磁场与电枢相互作用，将电磁能转化为弹丸动能，其核心部件包括导轨、脉冲电源、电枢及弹丸。然而，电流与磁场分布特性对发射性能和设备寿命的关键影响，特别是速度趋肤效应导致的电磁场畸变问题，长期制约着技术突破。
传统研究依赖有限元法等数值算法进行磁场分布分析，但这类方法存在显著局限：当发射参数如速度、电流发生调整时，需重新构建计算模型，导致参数优化效率低下。在实时模拟和数字孪生等新兴应用场景中，传统方法难以满足毫秒级响应需求，成为制约技术发展的关键瓶颈。针对这一难题，科研团队创新性地引入深度算子网络（DeepONet）技术，构建了速度趋肤效应的快速计算模型。
该研究通过三步法实现技术突破：首先利用有限元法生成涵盖不同速度-电流组合的磁场数据集，为模型训练提供基准；其次设计非堆叠型网络架构，通过分支网络编码发射参数、主干网络处理时空坐标，实现参数与计算域的解耦处理；最终通过对比验证，证明新方法在训练区间内相对L2误差仅0.43%，泛化预测误差控制在0.74%以内，单次预测耗时缩短至0.865秒。针对暂态磁场计算难题，研究团队在分支网络中引入时间变量，使模型在动态过程模拟中仍保持0.724%的预测误差和0.87秒的响应速度。
敏感性分析揭示了网络规模对模型性能的双重影响：适当增加神经元数量可提升学习能力，但过度扩展会导致过拟合。研究指出，主干网络与分支网络存在最优规模差异，这为后续自动超参数优化提供了理论依据。目前团队正探索自动机器学习技术，以实现网络结构的智能调优。
这项发表于《电工技术学报》的研究成果，通过解耦式编码机制实现了发射参数与计算域的独立处理，彻底摆脱了传统方法对具体发射条件的依赖。该技术不仅为电磁轨道发射的实时仿真提供了高效工具，更在参数优化设计领域开辟了新路径，其毫秒级响应能力为数字孪生建模奠定了计算基础。研究得到国家自然科学基金等多个项目资助，标志着我国在电磁发射基础理论研究领域取得重要进展。
