几何双域协同感知的装备热力耦合智能计算方法

摘要: 本技术涉及设备物理场重构,特别是涉及几何双域协同感知的装备热力耦合智能计算方法。背景技术:1、随着数字孪生、智能传感和装备在线监测技术的发展,电力装备在运行和服...
几何双域协同感知的装备热力耦合智能计算方法

本技术涉及设备物理场重构,特别是涉及几何双域协同感知的装备热力耦合智能计算方法。

背景技术:

1、随着数字孪生、智能传感和装备在线监测技术的发展,电力装备在运行和服役过程中的状态感知需求不断提高。电力装备关键部件在热载荷、力载荷和工况边界共同作用下,容易产生非均匀温度场和变形场,进而影响装备结构性能和运行稳定性。因此,面向装备部件建立热力耦合变形场智能计算方法,对数字孪生建模、性能状态感知和服役安全保障具有重要意义。

2、目前,装备部件热力耦合变形场通常采用有限元等数值仿真方法进行求解。传统有限元方法机理清晰、仿真精度较高,但在多工况、多时间步和复杂边界条件下计算成本较高,难以满足数字孪生系统在线推理和快速响应的需求。数据驱动的神经算子方法通过学习高维物理场之间的隐式映射关系,能够在保持较高重构精度的同时显著提升求解速度,为热力耦合变形场快速计算提供了有效途径。然而,现有方法在复杂装备部件的网格拓扑表达、跨区域结构关联建模和局域几何约束方面仍存在不足,变形场重构结果容易产生局域偏差,模型对不同结构和工况的适应能力仍有待提升。

技术实现思路

1、本技术的目的是提供几何双域协同感知的装备热力耦合智能计算方法,以实现热状态、受力状态及工况边界共同作用下的热力耦合变形场快速重构,提高变形场重构的精度和适应能力。

2、为实现上述目的,本技术提供了如下方案。

3、本技术提供了几何双域协同感知的装备热力耦合智能计算方法,包括:

4、基于装备部件在研究工况下各个节点的热状态特征、受力特征、工况参数和几何图结构信息,构造装备部件在研究工况下的各个节点的时空状态特征;各个节点为装备部件的网格化几何表示中的节点;

5、将装备部件在研究工况下的各个节点的时空状态特征输入至节点变形场预测模型,获得各节点的三维位移向量;所述节点变形场预测模型通过对几何双域协同感知图神经算子模型进行训练获得,所述几何双域协同感知图神经算子模型包括:全域几何度量核、局域流形约束核和双域门控融合单元;所述全域几何度量核用于计算节点之间的结构感知距离并进行聚合,得到各个节点的全域结构消息,所述局域流形约束核用于计算节点之间的局域流形距离并进行聚合,得到各个节点的局域流形消息,所述双域门控融合单元用于对各个节点的全域结构消息和局域流形消息进行自适应融合;

6、根据各节点的三维位移向量,更新装备部件的局域流形图和全域结构图,重构装备部件热力耦合变形场;所述局域流形图表征装备部件的局域几何连续关系和局域热力传递关系,所述全域结构图表征装备部件的跨区域结构关联。

7、可选地,所述热状态特征包括:历史温度、当前温度、温升增量、温度变化率和温度梯度中的一种或多种;

8、所述工况参数包括:热源功率、环境温度、运行时间、运动速度、部件姿态、边界约束参数和节点类型标识中的一种或多种;

9、所述几何图结构信息包括:局域几何方向信息和结构位置编码。

10、可选地,所述局域几何方向信息采用如下方式获取:

11、在装备部件的网格化几何表示中选取目标节点的局域近邻节点;所述目标节点为装备部件的网格化几何表示中的任一节点;

12、根据目标节点及局域近邻节点的坐标构造局域几何协方差矩阵;

13、对局域几何协方差矩阵进行特征分解,得到目标节点的局域几何方向信息;当目标节点为表面节点时,所述局域几何方向信息包括局域法向方向和局域切向方向;当目标节点为内部节点时,所述局域几何方向信息包括由局域近邻坐标分布确定的局域主方向基。

14、可选地,所述结构位置编码采用如下方式获取:

15、根据目标节点在装备部件的网格化几何表示中的连接关系构造图结构;所述目标节点为装备部件的网格化几何表示中的任一节点;

16、基于所述图结构形成邻接矩阵和节点度矩阵;其中,邻接矩阵表征图结构中各个节点之间的连接关系,节点度矩阵中的元素为与图结构中任一节点直接连接的节点数量;

17、根据邻接矩阵和节点度矩阵构造归一化图拉普拉斯矩阵:,其中,为归一化图拉普拉斯矩阵,为与邻接矩阵同阶的单位矩阵,为邻接矩阵,为节点度矩阵;

18、求解归一化图拉普拉斯矩阵的特征方程,获得多个特征向量;

19、对各个特征向量按照特征值由小到大的顺序进行排序,得到特征向量序列,并选取特征向量序列中的前d个特征向量,作为d个低频特征向量;其中,d为正整数;

20、获取d个低频特征向量在目标节点处的分量,组成目标节点的结构位置编码。

21、可选地,基于装备部件在研究工况下各个节点的热状态特征、受力特征、工况参数和几何图结构信息,构造装备部件在研究工况下的各个节点的时空状态特征,具体包括:

22、对目标节点的热状态特征进行归一化处理,获得目标节点的归一化后的热状态特征;所述目标节点为装备部件的网格化几何表示中的任一节点;

23、采用滑动时间窗对目标节点的归一化后的热状态特征进行截取,并将各个时间窗口内的归一化后的热状态特征输入共享时间编码网络,得到目标节点的热历史编码;所述共享时间编码网络包括:沿时间维设置的一维时间卷积层、非线性激活层和时间维池化层;

24、对目标节点的归一化后的热状态特征进行热累积计算,得到目标节点的累计热输入特征;所述累计热输入特征表征装备部件热变形的历史滞后效应;

25、将目标节点的热历史编码、累计热输入特征、受力特征、工况参数和几何图结构信息进行融合,得到目标节点的时空状态特征。

26、可选地,在计算节点之间的结构感知距离并进行聚合,得到各个节点的全域结构消息的方面,所述全域几何度量核具体用于:

27、根据目标节点的时空状态特征生成可学习矩阵,并构造节点级自适应几何度量矩阵:

';其中,为节点的节点级自适应几何度量矩阵,为全域参数生成网络输出的参数矩阵,,为节点的时空状态特征,为全域参数生成网络,为大于的正则化系数,

'为单位矩阵,上标表示转置;所述目标节点为装备部件的网格化几何表示中的任一节点;

28、计算目标节点与全域结构图中除了目标节点之外的各个节点之间的相对坐标;

29、根据目标节点与全域结构图中除了目标节点之外的各个节点之间的相对坐标和节点级自适应几何度量矩阵,计算目标节点与全域结构图中除了目标节点之外的各个节点之间的自适应几何距离;

30、根据目标节点与全域结构图中除了目标节点之外的各个节点之间的结构位置编码差异,计算目标节点与全域结构图中除了目标节点之外的各个节点之间的结构编码距离;

31、将目标节点与全域结构图中除了目标节点之外的各个节点之间的自适应几何距离和结构编码距离进行组合,得到目标节点与全域结构图中除了目标节点之外的各个节点之间的结构感知距离;

32、根据目标节点与全域结构图中除了目标节点之外的各个节点之间的结构感知距离计算目标节点相对于全域结构图中除了目标节点之外的各个节点的全域核权重;

33、基于目标节点相对于全域结构图中除了目标节点之外的各个节点的全域核权重对全域结构图各个节点的时空状态特征进行聚合,得到目标节点的全域结构消息。

34、可选地,在计算节点之间的局域流形距离并进行聚合,得到各个节点的局域流形消息的方面,所述局域流形约束核具体用于:

35、计算目标节点与目标局域流形图中除了目标节点之外的各个节点之间的相对坐标向量;所述目标节点为装备部件的网格化几何表示中的任一节点;所述目标局域流形图为目标节点所在的局域流形图;

36、根据目标节点的局域几何方向信息,将目标节点与目标局域流形图中除了目标节点之外的各个节点之间的相对坐标向量分解为沿局域连续几何方向的距离分量和偏离局域连续几何方向的距离分量;

37、根据目标节点与目标局域流形图中除了目标节点之外的各个节点之间的沿局域连续几何方向的距离分量和偏离局域连续几何方向的距离分量计算目标节点与目标局域流形图中除了目标节点之外的各个节点之间的局域流形距离;

38、根据目标节点与目标局域流形图中除了目标节点之外的各个节点之间的局域流形距离计算目标节点相对于目标局域流形图中除了目标节点之外的各个节点的局域核权重;

39、基于目标节点相对于目标局域流形图中除了目标节点之外的各个节点的局域核权重对局域流形图各个节点的时空状态特征进行聚合,得到目标节点的局域流形消息。

40、可选地,在对各个节点的全域结构消息和局域流形消息进行自适应融合,获得各节点的三维位移向量的方面,所述双域门控融合单元具体用于:

41、将各个节点的全域结构消息和局域流形消息输入多层几何双域协同感知图神经算子,得到最后一层几何双域协同感知图神经算子输出的各个节点的隐变量,作为各个节点的输出隐变量;所述几何双域协同感知图神经算子模型还包括解码网络,所述解码网络用于对各个节点的输出隐变量进行解码,得到各节点的三维位移向量;

42、每一层的几何双域协同感知图神经算子用于执行如下步骤:

43、将第层几何双域协同感知图神经算子输出的各节点的隐变量、各节点的节点坐标和结构位置编码进行拼接,并输入由两层全连接层组成的门控网络,获得第层几何双域协同感知图神经算子输出的各个节点的门控权重:;其中,为第层几何双域协同感知图神经算子输出的节点的门控权重,为第层几何双域协同感知图神经算子输出的节点的隐变量,为节点的节点坐标;为节点的结构位置编码,表示特征拼接操作,和分别为门控网络的第一全连接层和第二全连接层的可训练权重矩阵,和分别为门控网络的第一全连接层和第二全连接层的偏置项,为非线性激活函数,为sigmoid函数;

44、根据第层几何双域协同感知图神经算子输出的各个节点的门控权重分别对各个节点的全域结构消息和局域流形消息进行加权融合,并对第层几何双域协同感知图神经算子输出的各节点的隐变量进行更新,得到第层几何双域协同感知图神经算子输出的各个节点的隐变量。

45、可选地,隐变量更新公式为:

46、;

47、其中,为第层几何双域协同感知图神经算子输出的节点的隐变量,表示节点更新函数,,为节点的融合消息,,表示节点的全域结构消息,表示节点的局域流形消息,为第层几何双域协同感知图神经算子的可训练权重矩阵,为第层几何双域协同感知图神经算子的可训练偏置项,表示非线性激活函数,表示归一化操作。

48、可选地,对几何双域协同感知图神经算子模型进行训练时,以几何双域协同感知图神经算子模型输出的节点三维位移向量与样本数据中的节点变形场数据之间的差异作为训练约束,构建目标函数;

49、将节点近邻位移变化一致性、边界约束节点位移一致性和几何连续区域变形平滑性中的一种或多种作为模型参数优化约束。

50、根据本技术提供的具体实施例,本技术具有了以下技术效果。

51、本技术提供了几何双域协同感知的装备热力耦合智能计算方法,本技术首先构造装备部件在研究工况下的各个节点的时空状态特征,然后通过全域几何度量核自适应学习跨区域结构传递关系;通过局域流形约束核约束局域流形信息沿局域连续几何结构传递;通过双域门控融合单元融合全域结构消息和局域流形消息;最终输出装备部件各节点三维位移向量。本技术实现了热状态、受力状态及工况边界共同作用下的热力耦合变形场快速重构,提高了变形场重构的精度和适应能力。