基于结构参数与工况融合的电磁阀流量智能预测方法与流程
本发明属于电磁阀测试,具体涉及一种基于结构参数与工况融合的电磁阀流量智能预测方法。
背景技术:
1、电磁阀是一类利用电磁驱动方式实现流体通断、调节和控制的重要流体控制元件,广泛应用于液压系统、气动系统、汽车控制系统以及工业自动化设备等领域。电磁阀的流量特性直接影响系统响应速度、控制精度和运行稳定性,因此对电磁阀流量性能进行准确分析和快速预测,是电磁阀结构设计和性能优化中的重要技术环节。
2、随着流体控制系统向高精度、高响应和小型化方向发展,电磁阀内部流道结构逐渐复杂化。现代电磁阀通常包含台阶结构、柱体结构、平台结构、流通孔以及局部收缩和扩张区域,其出口流量受到结构参数和运行工况的共同影响。其中,台阶高度、柱体高度、平台高度、孔结构尺寸及不同区域高度差等几何参数会改变流体有效流通面积和局部压力损失;入口压力、出口压力以及压差等工况参数则影响流体速度分布和压力变化。因此,电磁阀流量变化具有明显的结构—工况耦合特征。
3、目前,电磁阀流量分析主要采用理论计算、实验测试和数值仿真等方法。传统理论计算方法通常基于流量系数、压力差和流通面积等参数建立计算关系,计算效率较高,但由于采用理想化假设,难以准确描述复杂内部流道中的非线性流动行为。实验测试方法能够获得实际流量结果,但需要加工不同结构样件并搭建测试平台,成本较高且参数覆盖范围有限。
4、随着计算机数值计算技术的发展,计算流体力学(computational fluiddynamics,cfd)逐渐成为电磁阀流量分析的重要方法。该方法通过建立流体计算模型,对内部压力场、速度场和流量分布进行数值求解,可较准确地分析不同结构参数和工作条件下的流动特性,为电磁阀设计优化提供数据依据。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仿真的阀门流量分析方法能够较准确地获得阀门内部流动状态和流量性能,但该方法仍存在以下不足:(1)计算效率较低,难以满足多参数快速设计需求;cfd方法通常需要针对每一种阀门结构重新建立几何模型、划分计算网格、设置边界条件并执行数值求解。当需要分析多个结构参数组合或开展结构优化设计时,需要重复执行大量仿真计算,导致计算周期较长。(2)难以建立结构参数与运行工况之间的统一映射关系;现有cfd方法主要针对单个结构模型和特定工况进行流场分析,其计算结果通常作为单次设计评价依据。当结构参数和入口压力等运行条件同时变化时,需要重新开展仿真计算,难以直接反映结构参数与工况参数共同作用下的流量变化规律。(3)仿真数据利用效率不足;cfd计算能够产生大量流场数据,但现有方法通常仅利用当前计算结果进行性能评价,历史仿真数据难以直接用于后续结构方案的快速预测。在面对大量设计方案筛选和参数优化任务时,需要消耗较多计算资源。因此,现有基于cfd仿真的流量分析方法虽然具有较高精度,但存在计算成本高、预测效率低以及数据复用能力不足的问题,难以满足电磁阀快速设计和智能优化的发展需求。
技术实现思路
1、本发明针对现有技术中存在的问题,设计了一种基于结构参数与工况融合的电磁阀流量智能预测方法。本发明通过利用已有仿真数据建立结构参数、运行工况与出口流量之间的数据映射关系,使训练完成后的模型能够直接预测目标结构和工况下的流量结果,减少重复cfd计算。通过构建结构参数与工况参数融合输入特征,将影响流量性能的几何因素和运行状态因素进行统一表达,提高模型对结构对应工况耦合影响规律的表征能力。通过建立支持向量回归模型和岭回归模型相结合的双模型融合预测方法,分别利用非线性学习能力和趋势约束能力,提高模型预测精度和泛化能力。
2、本发明的发明目的是通过以下技术方案实现的:一种基于结构参数与工况融合的电磁阀流量智能预测方法,包括以下步骤,步骤一、确定电磁阀结构参数及工况参数;建立电磁阀参数化三维模型,根据电磁阀内部流道结构和设计要求,确定影响出口流量的关键结构参数;步骤二、生成结构对应入口压力的参数组合,根据各结构参数的允许取值范围生成多组电磁阀结构方案;结构参数组合通过参数采样方法生成;步骤三、开展cfd仿真并提取稳态出口流量;针对每一组结构对应入口压力的参数组合开展计算流体力学仿真,获得对应条件下的稳态出口流量;步骤四、构建融合特征并划分数据集,根据电磁阀流动机理,构造高度差、尺寸比、有效流通面积以及压力对应结构的交互特征;步骤五、建立并筛选流量预测模型;以标准化后的结构对应入口压力的融合特征作为输入,以cfd稳态出口流量作为输出,分别建立多种回归预测模型;步骤六、构建svr-ridge加权集成模型,将相同的融合特征分别输入svr模型和ridge模型;步骤七、输出流量的预测结果,对于待预测的新电磁阀结构,获取其关键结构参数及目标入口压力,并按照训练阶段相同的方法构造融合特征和进行标准化处理。
3、作为优选,所述步骤一中的结构参数包括阀口尺寸参数、台阶高度参数、柱体高度参数、平台高度参数和不同区域之间的高度差参数;结构参数还包括流道孔数量及孔径参数,流道宽度、长度及其他影响有效流通面积的尺寸参数;定义第i个电磁阀样件的结构参数向量为:
4、
5、其中:表示第i个电磁阀样件的台阶高度;~表示不同区域的柱体高度参数;表示平台高度参数;表示阀口尺寸、孔结构尺寸或其他结构参数;
6、根据电磁阀实际工作范围设置多组入口压力工况,入口压力集合表示为:
7、
8、其中,表示第j组入口压力,n表示入口压力工况的数量。
9、本发明将电磁阀结构参数与运行工况参数进行联合建模,将台阶高度、柱体高度、平台高度、孔结构尺寸等结构特征,与入口压力、出口压力、压差等工况信息共同作为预测模型输入,建立结构参数、工况参数与出口流量之间的映射关系。
10、作为优选,所述步骤二中的结构参数组合能通过人工设计、全因子试验设计、正交试验设计、均匀设计和拉丁超立方采样方式生成;在生成结构方案时,对各参数组合进行几何合理性检查,排除存在结构干涉、流道封闭、壁厚不足或不满足加工约束的无效结构;对于第i个电磁阀结构样件,分别设置多组入口压力工况;
11、第i个结构样件与第j组入口压力共同形成一组结构—工况参数组合:
12、
13、对应的模型输入特征向量表示为:
14、
15、通过将每个结构方案与多个入口压力工况进行组合,形成覆盖不同结构形式和不同入口压力条件的参数组合集合。
16、作为优选,所述步骤三中的仿真包括建立流体计算域、进行网格划分、设置流体属性及边界条件、执行稳态流场求解和提取稳态出口流量;对于第i个电磁阀结构样件和第j组入口压力,提取对应的出口质量流量或出口体积流量;当cfd仿真输出为质量流量时,根据流体密度将其转换为体积流量:
17、
18、其中,表示第i个电磁阀结构样件在第j组入口压力下的稳态出口质量流量;表示流体密度;表示对应的稳态出口体积流量;
19、为减小仿真迭代波动,可取收敛后连续k个迭代步的出口流量平均值作为最终流量标签:
20、
21、其中,表示第i个结构样件在第j组入口压力下、第k个稳定迭代步的出口流量;
22、最终形成结构参数、入口压力与稳态出口流量之间的数据集:。
23、本发明通过获取不同电磁阀结构参数组合及对应运行条件下的流量数据,建立用于模型训练的数据样本库,使已有性能数据能够用于后续新结构方案的快速流量预测。
24、作为优选,所述步骤四中为了消除不同参数量纲及数值范围的影响,对输入特征进行标准化处理:
25、
26、其中,和分别表示训练集中第j个特征的均值和标准差;
27、将处理后的数据划分为训练集、验证集和测试集;优选按照电磁阀结构样件进行分组划分,使同一结构对应的不同入口压力样本仅位于同一数据子集中。
28、作为优选,所述步骤五中各模型建立的映射关系表示为:
29、其中,z表示标准化后的融合特征,表示预测流量;
30、利用验证集和测试集对各候选模型进行评价,采用平均绝对误差mae、均方根误差rmse和决定系数r²作为评价指标:
31、
32、
33、
34、综合比较模型的预测精度、稳定性及泛化能力,选择svr模型和ridge模型作为加权集成模型的基础预测分支。
35、本发明采用支持向量回归模型与岭回归模型相结合的预测方式,利用支持向量回归模型描述结构参数和工况参数与流量之间的非线性关系,同时利用岭回归模型约束整体变化趋势,并通过模型融合获得最终流量预测结果。
36、作为优选,所述步骤六中svr模型用于学习电磁阀结构参数、入口压力与出口流量之间的复杂非线性关系,其预测结果为:
37、
38、ridge模型用于学习出口流量随结构参数和入口压力变化的整体趋势,其预测结果为:
39、
40、将两个模型的预测结果进行加权融合:
41、其中:
42、
43、
44、融合权重可通过遍历搜索、交叉验证或最小化验证集预测误差确定:
45、
46、通过融合svr的非线性拟合能力和ridge的趋势稳定能力,提高流量预测结果的准确性和泛化能力。
47、作为优选,所述步骤七中将融合特征分别输入svr模型和ridge模型,再根据确定的融合权重计算最终流量预测值:
48、
49、输出目标电磁阀结构在对应入口压力条件下的稳态出口流量。
50、本发明根据验证数据中的预测误差,对不同预测模型输出结果进行权重调整,使融合模型能够根据实际数据特点获得更稳定的预测性能。
51、根据电磁阀内部流动机理,对原始结构参数进行特征扩展,构造高度差、尺寸比例、有效流通面积等能够反映流动特性的融合特征,提高模型对复杂流动关系的表达能力。
52、与现有技术相比,本发明具有以下有益效果:
53、(1)降低了电磁阀流量分析过程中的重复仿真计算成本。
54、本发明通过建立电磁阀结构参数、运行工况参数与出口流量之间的数据样本数据库,将不同结构方案和工作条件下的流量信息进行统一存储,并利用训练后的预测模型替代部分重复的流体仿真计算。当输入新的电磁阀结构参数和工况参数时,无需重新执行完整的几何建模、网格划分和流场求解过程,即可获得对应流量预测结果,从而减少多方案设计过程中cfd仿真的调用次数,提高流量性能评估效率。
55、(2)提高了模型对结构参数与运行工况耦合作用的描述能力。
56、本发明将台阶高度、柱体高度、平台高度、孔结构尺寸以及高度差等电磁阀结构参数,与入口压力、出口压力和压差等运行工况参数进行融合编码,构建统一的输入特征空间。相比仅考虑单一结构因素或单一工作状态的预测方法,该方法能够同时反映几何结构变化和流动条件变化对出口流量的综合影响,提高了模型对于不同结构方案和不同工作条件下流量变化规律的适应能力。
57、(3)提高了有限样本条件下流量预测的稳定性和准确性。
58、本发明采用支持向量回归模型和岭回归模型组成的双模型融合预测方法,其中支持向量回归模型用于学习结构参数和工况参数与流量之间的复杂非线性关系,岭回归模型用于约束流量变化趋势,提高模型输出稳定性。通过对两个模型预测结果进行加权融合,并根据验证误差确定融合权重,可以降低单一预测模型因样本数量有限导致的预测波动,提高模型在有限数据条件下的泛化能力。
59、(4)提高了电磁阀结构优化设计的数据利用效率。
60、本发明利用cfd仿真或实验获得的流量数据建立可复用的数据驱动模型,使已有结构样本和工况样本能够用于后续新结构性能预测。相比传统每设计一种结构均需重新进行性能分析的方法,本发明能够快速评价不同结构参数组合下的流量变化趋势,为电磁阀结构参数调整和性能优化提供数据支持。
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