基于物理投影的仿星器条件生成式设计
本发明涉及核聚变装置设计,具体为基于物理投影的仿星器条件生成式设计。
背景技术:
1、仿星器作为磁约束核聚变装置,其三维非对称的磁场位形设计属于高维非线性优化问题。现有的仿星器设计方法主要依赖多起点局部搜索与梯度优化算法。这类常规方法对优化初值的选择敏感,在参数寻优过程中需要频繁调用高保真磁流体动力学求解器,导致计算成本高昂,难以兼顾全局参数空间的有效探索与局部物理可行性。
2、为提高设计效率,数据驱动的生成式模型逐渐被引入仿星器的位形设计环节。现有的生成式模型通常仅能学习历史设计方案的几何统计特征,在生成过程中缺乏对物理方程的显式约束机制。这使得模型无法保证输出的等离子体边界必然满足磁流体动力学平衡收敛要求,生成结果存在偏离物理可行域的概率,从而增加了后续验证环节的无效计算负荷。
3、现有设计流程普遍将等离子体边界位形设计与外部空间线圈拓扑设计作为两个独立阶段执行。在边界位形生成阶段缺乏对线圈制造可行性的先验评估,导致纯粹基于等离子体物理指标优化出的边界位形,在后续线圈设计阶段容易出现空间结构干涉或法向磁场匹配误差过大等问题,最终造成整体设计方案工程不可实现。
技术实现思路
1、针对现有技术的不足,本发明提供了基于物理投影的仿星器条件生成式设计,解决了现有数据驱动生成模型难以严格保证生成结果满足磁流体动力学物理约束,等离子体边界位形设计与线圈结构设计相割裂导致最终方案工程不可实现的问题。
2、为实现以上目的,本发明通过以下技术方案予以实现:
3、本发明提供一种基于物理投影的仿星器条件生成式设计,包括:
4、将仿星器逆向生成任务参数转化为系统识别配置数据,拆分为参数化控制变量、网络模型输入编码向量、惩罚函数评价指标及判定阈值条件;
5、在低维潜空间坐标系内,根据网络模型输入编码向量输出边界空间基础结构,执行叠加修正输出中间态候选样本;
6、在采样迭代周期内,利用参数化控制变量限制样本演化空间的合法范围,调用惩罚函数评价指标计算得到中间态状态能量残差以调整梯度下降方向;
7、针对未达到判定阈值条件的中间态候选样本,将样本坐标点投影至符合磁流体平衡数学约束区间内形成可行域候选位形;
8、对可行域候选位形执行等离子体边界位形坐标与空间线圈拓扑布置的交替更新迭代运算,得到最终样本;
9、对最终样本进行验证输出验证日志,合并验证日志、残差数据与中间失败节点数据执行综合评分运算补充历史数据库。
10、进一步的,将仿星器逆向生成任务参数转化为系统识别配置数据,包括:
11、将仿星器逆向生成任务参数拆分为表示层硬约束参数、生成条件参数、软优化目标参数与终端硬约束参数;
12、将表示层硬约束参数转化为布尔型控制变量构建模式掩码矩阵,将生成条件参数组装为条件编码向量,将软优化目标参数配置权重系数构建标量能量函数,将终端硬约束参数封装为约束表达式;
13、将模式掩码矩阵、条件编码向量、标量能量函数与约束表达式封装为结构化的设计约束卡数据对象,作为系统识别配置数据分发至计算节点;
14、通过对参数的解耦与结构化封装,建立统一的数据计算基准,分离非线性代数限制条件与物理空间分布目标。
15、进一步的,低维潜空间坐标系的构建,包括:
16、训练包含编码器网络与解码器网络的几何感知自编码器;
17、提取等离子体边界的三维几何形状的谐波系数并展平为傅里叶系数向量,作为等离子体边界变量;
18、将等离子体边界变量送入编码器网络降维输出潜变量,解码器网络接收潜变量升维输出重构的等离子体边界变量;
19、采用包含重构的等离子体边界变量的高频分量的谱平滑正则化惩罚项的联合损失函数,对几何感知自编码器的网络权重进行梯度更新,得到低维潜空间坐标系;
20、从而在维持几何流形合法性的基础上限制空间高频形变,控制跨分辨率结构表达的稳定性。
21、进一步的,根据网络模型输入编码向量输出边界空间基础结构,执行叠加修正输出中间态候选样本,包括:
22、提取网络模型输入编码向量中的几何相关控制向量,输出边界空间基础结构;
23、提取网络模型输入编码向量中的物理输入编码向量,在去噪网络中插入交叉注意力机制层,将物理输入编码向量映射为键向量与值向量执行注意力加权汇聚,输出中间态潜变量;
24、将中间态潜变量输入至解码器网络中,重构生成等离子体边界变量作为中间态候选样本;
25、以实现从几何特征生成到高阶物理特征条件适配的分步计算。
26、进一步的,调用惩罚函数评价指标计算得到中间态状态能量残差以调整梯度下降方向,包括:
27、提取参数化控制变量中的模式掩码矩阵,利用模式掩码矩阵与中间态候选样本对应的等离子体边界变量执行逐元素哈达玛乘积运算;
28、预测当前时间步的无噪等离子体边界变量估计值,调用惩罚函数评价指标构建采样期引导能量函数,计算得到中间态状态能量残差;
29、计算采样期引导能量函数的数学梯度数值,将数学梯度数值作为偏置向量叠加至条件扩散模型的去噪方向引导方程中;
30、在反向扩散周期末端,调用可微磁流体动力学求解器获取针对平衡方程真实残差的导数执行末端微调计算,以调整梯度下降方向;
31、从而在扩散的高噪声阶段采用代理网络计算引导方向,并在去噪末端引入求解器残差实施物理计算干预,兼顾物理收敛概率与样本探索多样性。
32、进一步的,针对未达到判定阈值条件的中间态候选样本,将样本坐标点投影至符合磁流体平衡数学约束区间内形成可行域候选位形,包括:
33、提取中间态候选样本对应的等离子体边界变量,构建非线性规划投影函数;
34、在非线性规划投影函数中引入联合距离度量项,联合距离度量项由等离子体边界变量的傅里叶系数之间的欧氏距离、边界表面离散点三维位移偏差距离、法向量变化偏差距离与谱平滑惩罚数值加权求和构成;
35、基于联合距离度量项,将样本坐标点投影至符合判定阈值条件的磁流体平衡数学约束区间内,形成可行域候选位形;
36、利用联合距离度量项约束投影路径,使非线性规划过程满足物理限制条件并维持原输入的宏观结构特征。
37、进一步的,在构建非线性规划投影函数前,还包括:
38、将等离子体边界变量与条件编码向量送入学习型残差校正网络获得预测补偿残差向量,并将预测补偿残差向量叠加至原始状态中得到初步修正样本;
39、以初步修正样本为计算起点,调用可微磁流体动力学求解器实施截断反向传播控制执行投影逻辑,将迭代上限限制为预设极小值;
40、提取未满足收敛判定条件的样本的发散断点状态参数,作为中间失败节点数据定向回灌至历史数据库;
41、从而利用残差网络的前向推理结构替代高维非线性投影迭代过程,降低在线计算的资源占用率。
42、进一步的,对可行域候选位形执行等离子体边界位形坐标与空间线圈拓扑布置的交替更新迭代运算,得到最终样本,包括:
43、针对可行域候选位形求解虚拟面电流分布最优解,计算法向磁场匹配误差作为最优残差数值;
44、当最优残差数值满足工程容限阈值时固定当前的等离子体边界位形坐标,对表征空间线圈拓扑布置的控制变量执行更新计算;
45、锁定更新后的空间线圈拓扑布置,将等离子体边界位形坐标释放为活跃优化变量实施梯度更新;
46、构建包含拉格朗日乘子向量与法向匹配残差向量内积运算项的增广拉格朗日目标函数控制交替更新迭代运算,直至达成一致状态得到最终样本;
47、通过在确定边界前引入线圈制造可行性评估程序,避免变量联合寻优引发的空间结构干涉问题。
48、进一步的,对最终样本进行验证输出验证日志,包括:
49、调用低分辨率磁流体动力学求解器对最终样本执行第一阶低保真度验证,滤除超出预设比例界限或初步筛选阈值的样本得到低保真度失效样本;
50、对通过第一阶低保真度验证的样本调用高分辨率三维磁流体动力学平衡求解器执行第二阶高保真度验证,将触发超时中断机制或内存监测守护进程而终止计算线程的样本作为高保真度发散失效样本滤除;
51、将通过第二阶高保真度验证的样本作为仿星器高约束设计方案输出,并生成记载有低保真度失效样本与高保真度发散失效样本的验证日志。
52、进一步的,合并验证日志、残差数据及中间失败节点数据执行综合评分运算补充历史数据库,包括:
53、提取中间失败节点数据中的发散断点状态参数、提取交替更新迭代运算中因违反物理干涉边界而丢弃的冲突样本,与根据验证日志提取低保真度失效样本与高保真度发散失效样本,合并设定为负样本;
54、将输出的仿星器高约束设计方案设定为正样本,共同构成主动学习训练数据集;
55、采用二元交叉熵作为损失函数,利用主动学习训练数据集对可行性分类网络的权重参数进行反向传播微调;
56、根据提取的残差数据构建包含物理性能预期、认知不确定性、可行概率以及空间新颖性的四元组合采集评价指标,计算得出主动学习评分,筛选高价值数据组的条件编码向量回馈至输入端驱动新一轮寻优以补充历史数据库;
57、从而利用全量正负样本更新分类网络的判定边界,控制后续生成模型迭代取样的参数分布方向。
58、本发明提供了基于物理投影的仿星器条件生成式设计。具备以下有益效果:
59、1、本发明通过在采样迭代周期内引入惩罚函数评价指标调整梯度下降方向,结合非线性规划投影函数将中间态样本坐标点限制在磁流体平衡数学约束区间内,克服纯数据驱动模型难以满足严苛物理约束的缺陷,在维持样本宏观几何流形的同时,确保生成的等离子体边界位形直接具备磁流体动力学收敛性,从而降低后续高保真求解环节的发散率与无效计算损耗。
60、2、本发明在形成可行域候选位形后,执行等离子体边界位形坐标与空间线圈拓扑布置的交替更新迭代运算,并利用增广拉格朗日目标函数控制法向磁场匹配误差,将线圈的工程可实现性评估前置融入边界位形生成阶段,减少传统设计流程中等离子体物理优化与线圈工程设计相割裂所带来的误差,避免了变量联合独立寻优引发的空间结构干涉,保证了最终设计方案的工程制造可行性。
61、3、本发明建立基于多阶验证日志与中间失败节点数据的主动学习回灌机制,将高低保真度失效样本、空间干涉冲突样本及发散断点数据作为负样本,与成功的高约束设计方案正样本共同微调可行性分类网络,充分利用了寻优过程中的非收敛废弃数据来更新判定边界,能够依据物理性能预期与可行概率等指标持续修正模型后续迭代取样的参数分布方向,提升了系统在复杂非凸参数空间中的整体寻优效率。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com