基于性能与相关性权重迭代的电磁阀参数逆向优化方法与流程

摘要: 本发明属于电磁阀结构参数优化方法,具体涉及一种基于性能与相关性权重迭代的电磁阀参数逆向优化方法。背景技术:1、电磁阀是一种利用电磁驱动力控制流体通断、流向及流量...
基于性能与相关性权重迭代的电磁阀参数逆向优化方法与流程

本发明属于电磁阀结构参数优化方法,具体涉及一种基于性能与相关性权重迭代的电磁阀参数逆向优化方法。

背景技术:

1、电磁阀是一种利用电磁驱动力控制流体通断、流向及流量的执行元件,广泛应用于液压控制、气动控制、汽车、航空航天、能源装备及工业自动化等领域。随着相关装备对流体控制精度和工作稳定性要求的不断提高,电磁阀在不同压力或压差工况下的流量性能也成为结构设计中的重要指标。电磁阀的流量性能与阀体内部流道、阀芯结构、阀口间隙以及台阶高度、柱体高度、柱底平台高度等结构参数密切相关。

2、在电磁阀结构设计过程中,计算流体动力学(computational fluid dynamics,cfd)数值仿真是获取结构性能数据的重要手段。通过建立不同结构参数组合下的流体域模型,设置压力等工作条件并进行流场求解,可以获得对应的流量性能数据。进一步结合已有产品数据、试验数据或数值仿真数据,可形成由结构参数、压力工况及对应流量组成的样本集,并利用机器学习等数据驱动方法建立结构参数与流量性能之间的正向预测关系。现有公开号为cn111767663a的专利文本中公开了一种基于cfd仿真的阀门流量系数便捷计算方法,主要步骤包括:基于阀门装配体三维模型,建立上游管道、阀门、下游管道的流场模型;对流场模型划分网格并优化模型网格;应用再优化网格设置边界条件进行仿真计算;对上游管道截取多个横截面采集平均压力值;根据轴向压力分布图确定线性拟合阶数,进行线性拟合;结合仿真计算结果中得到的带阀门管道的总压差;使用阀门压差计算出阀门流量系数。虽然基于cfd仿真的电磁阀结构参数优化方法能够较准确地获得不同结构方案下的流量性能,但该方法仍存在以下不足:

3、(1)计算成本较高,难以满足多参数快速优化需求。cfd方法通常需要针对不同结构参数组合重新建立几何模型、划分计算网格并进行流场求解。当待优化参数较多或需要同时考虑多个压力工况时,需要对大量候选结构方案分别进行数值仿真,导致计算次数较多、优化周期较长,难以满足快速结构设计的需求。原交底书也指出,若智能优化算法直接调用数值仿真模型评价每组候选结构,会产生较大的计算成本。

4、(2)结构参数调整对人工经验依赖较强。现有方法通常根据当前结构方案的仿真流量与目标流量之间的偏差,对相关结构尺寸进行人工修改。由于电磁阀结构参数与流量性能之间存在非线性和参数耦合关系,不同参数对流量的影响程度和作用方向存在差异,因此参数调整过程容易受到设计人员经验影响,难以形成统一、稳定且可重复的结构优化过程。

5、(3)难以充分利用不同结构参数对流量性能的影响差异。在多个结构参数同时参与优化时,各结构参数对流量性能的影响程度并不相同,部分参数对流量变化较为敏感,部分参数影响较小。现有参数搜索或人工调整方法通常缺少根据各参数影响程度和影响方向进行差异化更新的机制,容易出现参数调整幅度不合理、调整方向不准确以及无效搜索等问题。原交底书将不同参数影响程度和作用方向存在明显差异作为逆向优化需要处理的重要特征。

6、因此,现有基于cfd仿真的电磁阀结构参数优化方法虽然能够获得较准确的流量性能评价结果,但仍存在计算成本较高、参数调整依赖人工经验以及缺乏针对不同结构参数影响程度进行差异化优化等问题,难以满足电磁阀多参数快速逆向设计和自动化优化的需求。

7、随着机器学习技术在工程设计领域的应用,现有技术中可采用数据驱动方式建立电磁阀目标流量性能与结构参数之间的直接逆向映射关系,以减少传统结构优化过程中反复进行数值仿真的计算量。

8、该方法首先采集不同电磁阀结构参数、压力工况及其对应流量性能数据,形成结构参数—工况—流量样本集。结构参数可包括台阶高度、柱体高度、柱底平台高度以及其他相关流道尺寸,流量性能则对应不同压力或压差工况下获得的流量结果。原交底书中同样以结构参数、压力工况及对应流量数据作为机器学习建模的数据基础。

9、在获得样本数据后,将目标流量或多个压力工况下的目标流量作为模型输入,将对应的结构参数作为模型输出,通过机器学习回归模型学习流量性能与结构参数之间的反向映射关系。模型训练完成后,在新的结构设计任务中输入目标流量性能,即可直接预测满足该性能要求的结构参数组合,而无需针对每一组候选结构反复进行cfd流场计算。

10、虽然基于机器学习的直接逆向预测方法能够利用已有样本数据快速获得电磁阀结构参数,减少重复数值仿真计算,但该方法仍存在以下不足:

11、(1)目标流量与结构参数之间存在一对多关系,直接逆向映射容易产生预测不唯一问题。电磁阀流量性能受到多个结构参数共同影响,不同结构参数组合可能获得相同或相近的流量性能。因此,由目标流量直接反向预测结构参数并非严格的一一对应关系,同一目标性能可能对应多组可行结构参数组合。采用单一机器学习模型直接学习该反向关系时,容易出现输出参数不唯一或预测结果不稳定的问题。原交底书明确指出,同一目标流量可能对应多组不同结构参数组合,使流量性能直接反推结构参数具有明显的多解性。

12、(2)预测得到的结构参数组合可能缺乏合理的参数协调关系。直接逆向预测模型主要根据训练样本学习目标流量与结构参数之间的数据映射关系,当多个结构参数之间存在耦合关系时,模型预测得到的各参数数值虽然可能分别位于训练数据范围内,但其组合结果不一定能够形成合理的电磁阀结构方案,可能出现参数组合不合理的问题。原交底书已经将“结构组合不合理”列为直接反向预测可能产生的问题。

13、(3)难以在直接预测过程中充分考虑结构和制造约束。电磁阀结构参数除需要满足目标流量性能外,还需要满足参数取值范围、几何装配关系、结构干涉以及加工制造等工程约束。直接采用机器学习模型输出结构参数时,若这些约束条件未被有效纳入预测过程,虽然在数据层面接近目标性能,但实际无法加工、装配或实施的结构参数组合。原交底书因此将参数范围、几何装配关系及制造约束共同纳入后续优化过程。

14、因此,现有基于机器学习直接逆向预测结构参数的方法虽然具有较高的预测效率,但仍存在逆向映射多解、结构参数组合合理性不足以及工程约束难以直接保证等问题,难以稳定获得同时满足目标流量性能和实际结构约束的电磁阀设计方案。

技术实现思路

1、本发明针对现有技术中存在的问题,设计了一种基于性能与相关性权重迭代的电磁阀参数逆向优化方法,本发明目的在于建立一种基于正向性能预测、相关性权重和误差反馈迭代的电磁阀结构参数逆向优化方法,实现由目标流量性能自动求解满足性能要求和工程约束的电磁阀结构参数组合。

2、一、解决电磁阀多结构参数优化过程中重复进行cfd仿真导致计算量大、设计周期长的问题。通过利用已有产品数据、试验数据或数值仿真数据建立机器学习性能预测模型,以性能预测模型代替优化迭代过程中对每组候选结构反复进行cfd流场求解,实现候选结构流量性能的快速评价,降低结构参数优化过程中的计算成本。

3、二、解决结构参数调整过度依赖人工经验的问题。针对传统方法主要依据设计人员经验调整结构参数的问题,建立基于目标流量与预测流量误差反馈的自动参数迭代机制,使结构参数能够根据当前性能偏差进行自动更新,形成可重复的闭环优化过程。

4、三、解决多个结构参数影响程度和影响方向不同而难以进行针对性调整的问题。根据历史样本数据分析不同结构参数与流量性能之间的相关关系,利用相关性大小确定各结构参数的调整权重,并利用相关性的正负关系确定相应参数的调整方向,使不同结构参数按照其对流量性能的实际影响进行差异化更新。原交底书明确提出利用结构参数与流量之间的相关性确定参数影响权重和调整方向。

5、四、解决目标流量与结构参数之间存在一对多关系而导致直接逆向预测结果不稳定的问题。针对同一目标流量可能对应多组结构参数组合的问题,本发明不直接建立由目标流量到结构参数的单一反向映射模型,而是建立由结构参数和压力工况到流量性能的正向预测模型,并通过迭代搜索获得满足目标性能的结构参数组合,从而避免直接逆向预测过程中产生的多解冲突。

6、五、解决逆向获得的结构参数组合可能不满足实际工程约束的问题。在结构参数迭代过程中同时引入参数允许范围、几何装配关系、结构干涉以及加工制造条件等约束,对更新后的候选结构参数进行校验和修正,使最终输出方案在满足目标流量性能的同时满足实际结构设计和制造要求。

7、本发明的发明目的是通过以下技术方案实现的:一种基于性能与相关性权重迭代的电磁阀参数逆向优化方法,包括以下步骤,步骤一、建立结构参数与流量性能样本集;采集不同结构参数、压力工况及其对应流量数据,形成训练样本集;步骤二、输入目标性能和结构约束;输入不同压力工况下的目标流量曲线,并设置各结构参数的取值范围;步骤三、计算结构参数相关性权重;根据样本数据计算第i个结构参数与流量之间的pearson相关系数,并根据相关系数绝对值进行归一化,得到各结构参数的影响权重;步骤四、确定初始结构参数,根据已有结构方案、历史样本或参数范围确定初始结构参数组合;步骤五、预测流量并计算性能误差;将当前结构参数和各压力工况输入性能预测模型,获得预测流量曲线;计算目标流量与预测流量之间的综合误差;步骤六、根据误差反馈更新结构参数;计算目标流量与预测流量之间的加权相对偏差,根据相关性权重和误差方向更新第i个结构参数;步骤七、进行参数约束校验,对更新后的结构参数进行边界修正;步骤八、将更新后的结构参数重新输入性能预测模型,重复进行流量预测、误差计算和参数更新。

8、作为优选,步骤一中采集不同结构参数、压力工况及其对应流量数据,形成训练样本集,将待优化结构参数表示为:

9、

10、其中,为第i个结构参数,包括台阶高度、柱体高度、柱底平台高度及其他关联结构尺寸。

11、作为优选,步骤二中目标流量曲线为:

12、

13、设置各结构参数的取值范围为:

14、

15、并设置结构参数之间的几何装配关系、加工范围及制造约束。

16、作为优选,步骤三中计算第i个结构参数与流量之间的pearson相关系数的公式为:

17、

18、根据相关系数绝对值进行归一化,得到各结构参数的影响权重:

19、

20、其中,相关系数绝对值用于确定参数调整幅度,相关系数正负号用于确定参数调整方向。

21、作为优选,步骤四中初始结构参数组合为:

22、

23、初始参数组合应满足结构尺寸范围和几何装配约束。

24、作为优选,步骤五中预测流量曲线为:

25、

26、目标流量与预测流量之间的综合误差为:

27、

28、其中,为第j个压力工况的权重,且满足:。

29、作为优选,步骤六中目标流量与预测流量之间的加权相对偏差为:

30、

31、根据相关性权重和误差方向更新第i个结构参数:

32、

33、其中,为迭代步长。

34、作为优选,步骤七中对更新后的结构参数进行边界修正公式为:

35、

36、同时校验更新后的参数组合是否满足几何装配、结构干涉、加工尺寸及制造工艺要求;不满足约束的参数组合进行修正或剔除。

37、作为优选,步骤八中当满足以下条件时停止迭代:

38、

39、或者:

40、

41、最终从满足结构约束的候选方案中选取综合误差最小的结构参数组合:

42、

43、输出最优结构参数组合、对应预测流量曲线及各压力工况下的性能误差结果。

44、本发明基于正向性能预测与迭代搜索相结合的电磁阀结构参数间接逆向求解方法。不直接建立目标流量到结构参数的反向映射关系,而是建立结构参数、压力工况到流量性能的正向预测模型,并通过目标流量与预测流量之间的误差迭代求解结构参数,从而降低直接逆向预测中一对多映射带来的多解和参数不稳定问题。

45、基于结构参数—流量相关性权重及影响方向的差异化参数更新方法。根据样本数据计算各结构参数与流量性能之间的相关关系,以相关程度确定不同结构参数的调整权重,并以相关方向确定参数增减方向,使不同结构参数按照其对流量性能的影响程度进行差异化更新,提高参数调整的针对性和优化收敛效率。

46、基于目标性能误差反馈的闭环结构参数迭代优化机制。将当前候选结构参数输入正向性能预测模型获得预测流量,通过预测流量与目标流量之间的误差反馈持续修正结构参数,形成“性能预测—误差计算—参数更新—再次预测”的闭环迭代过程,直至满足设定的性能要求。

47、与现有技术相比,本发明具有以下有益效果:

48、(1)降低结构优化过程中的重复计算量,提高逆向设计效率。本发明利用已有产品数据、试验数据或数值仿真数据训练正向流量性能预测模型,在参数迭代过程中通过预测模型快速获得候选结构的流量性能,无需对每一组候选参数重复进行几何建模、网格划分和cfd流场求解,从而减少结构优化过程中的计算工作量,提高电磁阀多参数逆向设计效率。

49、(2)降低对人工经验的依赖,提高参数优化过程的自动化程度。本发明根据目标流量与预测流量之间的误差自动更新结构参数,形成“性能预测—误差计算—参数调整—约束校验”的闭环迭代过程,使结构参数能够按照性能偏差持续调整,减少传统设计过程中依赖设计人员经验反复试调结构尺寸的问题,提高优化过程的统一性和可重复性。

50、(3)提高多结构参数调整的针对性和优化稳定性。本发明根据结构参数与流量性能之间的相关性确定各参数的影响权重和调整方向,使对流量影响较大的结构参数优先调整,对流量影响较小的参数进行较小幅度调整,并根据相关关系确定参数增减方向,从而减少多参数优化过程中的盲目搜索和无效调整,提高参数更新的针对性、收敛效率和优化稳定性。

51、(4)降低直接逆向预测中一对多映射带来的参数不确定性。本发明不直接建立由目标流量到结构参数的单一反向映射关系,而是采用正向性能预测模型结合迭代搜索的间接逆向求解方式,根据候选结构的预测性能与目标性能之间的误差逐步寻找满足要求的结构参数组合,从而降低直接逆向预测过程中因同一目标流量对应多组结构参数而产生的多解冲突和参数组合不合理问题。

52、(5)提高优化结果的工程可实施性。本发明在参数优化过程中同时考虑结构参数允许范围、几何装配关系、结构干涉以及加工制造等工程约束,并对每轮更新后的参数组合进行约束校验,使最终得到的结构方案不仅能够逼近多压力工况下的目标流量性能,同时能够满足实际结构设计和制造要求,从而提高优化结果的可制造性和工程应用价值。