列车车体的应力分布预测方法、模型的训练方法以及装置与流程
本公开涉及轨道交通,更具体地涉及一种列车车体的应力分布预测方法、模型的训练方法以及装置。
背景技术:
1、轨道车辆在线路运行过程中,车体结构需承受牵引、制动、曲线通过、线路不平顺等多源复杂动态载荷,车体应力分布是反映结构疲劳累积和健康状态的重要状态量。准确获取车体全域应力分布,对于评估车体结构强度、预测疲劳寿命以及保障列车运行安全具有重要意义。
2、相关技术中,获取车体应力分布通常依赖于在有限位置布置传感器进行实测,或通过数值仿真进行计算。然而,传感器实测受安装空间、布线及成本等因素限制,难以实现全域覆盖,存在监测盲区;数值仿真则计算复杂、耗时较长,且仿真条件难以完全匹配实际运行状态,导致计算结果与实际服役状态存在偏差。因此,上述方式无法为车体结构健康状态的全方位精细化评估提供完整、高质量的应力分布数据。
技术实现思路
1、有鉴于此,本公开提供了一种列车车体的应力分布预测方法、模型的训练方法以及装置
2、本公开的一个方面提供了一种列车车体的应力分布预测方法,该方法包括:获取列车车体的载荷工况信息和列车车体的多个层级区域的位置信息,载荷工况信息包括列车车体在多个目标位置的载荷信息,多个层级区域是按照列车车体各部件的传力路径顺序对列车车体进行划分得到;对载荷工况信息中的多个载荷信息相互之间的跨位置关联进行特征提取,得到载荷关联特征;基于载荷关联特征和多个层级区域各自的位置信息,按照多个层级区域的传力路径顺序,依次提取多个层级区域各自的力学状态特征;基于多个层级区域各自的力学状态特征,确定多个层级区域各自的应力分布结果。
3、根据本公开的实施例,层级区域包括n个,其中,n为大于1的整数;基于载荷关联特征和多个层级区域各自的位置信息,按照多个层级区域的传力路径顺序,依次提取多个层级区域各自的力学状态特征,包括:将载荷关联特征和多个层级区域各自的位置信息输入到应力分布预测模型的时序特征提取模块,通过n个时间步的特征提取处理,依次得到n个层级区域各自的力学状态特征。
4、根据本公开的实施例,时序特征提取模块包括n个特征提取子模块,n个特征提取子模块和n个层级区域一一对应;针对第n个时间步,n=1,…,n,通过n个时间步的特征提取处理,依次得到n个层级区域各自的力学状态特征,包括:对第n个层级区域的位置信息和第n-1个层级区域的力学状态特征进行特征融合处理,得到第n个融合特征,其中,第0个层级区域的力学状态特征为载荷关联特征;利用第n个特征提取子模块对第n个融合特征和第n-1个层级区域的力学状态特征 进行处理,得到第n个层级区域的力学状态特征。
5、根据本公开的实施例,利用第n个特征提取子模块对第n个融合特征和第n-1个层级区域的力学状态特征进行处理,得到第n个层级区域的力学状态特征,包括:利用第n个特征提取子模块对第n个融合特征和第n-1个层级区域的力学状态特征进行门控筛选处理,分别得到第n个输入门控特征、第n个遗忘门控特征、第n个候选记忆特征、以及第n个输出门控特征;基于第n个遗忘门控特征、第n个输入门控特征、第n个候选记忆特征,对第n-1个单元记忆特征进行更新,得到第n个单元记忆特征,其中,第0个单元记忆特征为第1个融合特征;对第n个输出门控特征与第n个单元记忆特征进行融合处理,得到第n个层级区域的力学状态特征 。
6、根据本公开的实施例,基于多个层级区域各自的力学状态特征,得到多个层级区域各自的应力分布结果,包括:将多个层级区域各自的力学状态特征输入到应力分布预测模型的注意力模块,对各层级区域的力学状态特征分别与其他层级区域的力学状态特征进行注意力融合计算,确定多个层级区域各自的应力分布结果。
7、根据本公开的实施例,对载荷工况信息中的多个载荷信息相互之间的跨位置关联进行特征提取,得到载荷关联特征,包括:将载荷工况信息输入到应力分布预测模型的关联特征提取模块,通过关联特征提取模块中级联的多个特征提取层对载荷工况信息进行多个尺度的特征提取处理,得到载荷关联特征,其中,尺度按照特征提取层级联的顺序依次增大。
8、根据本公开的实施例,针对任一特征提取层,通过关联特征提取模块中级联的多个特征提取层对载荷工况信息进行多个尺度的特征提取处理,得到载荷关联特征,包括:基于当前特征提取层的预定尺度,对上一特征提取层输出的中间载荷关联特征进行特征提取,得到当前层的跨位置关联特征;基于上一特征提取层输出的中间载荷关联特征和当前层的跨位置关联特征,得到当前特征提取层输出的中间载荷关联特征。
9、本公开的一个方面提供了一种列车车体的应力分布预测模型的训练方法,该方法包括:获取列车车体的训练样本集合以及列车车体的多个层级区域的位置信息,多个层级区域是按照列车车体各部件的传力路径顺序对列车车体进行划分得到;训练样本集合中的每个训练样本包括样本载荷工况信息和多个层级区域各自的参考应力分布结果,样本载荷工况包括列车车体在多个目标位置的样本载荷信息;将载荷工况信息输入到初始关联特征提取模块,对载荷工况信息中的多个载荷信息相互之间的跨位置关联进行特征提取,得到载荷关联特征;将样本载荷关联特征和多个层级区域各自的位置信息输入到初始时序特征提取模块,按照多个层级区域的传力路径顺序,依次提取多个层级区域各自的样本力学状态特征;将多个层级区域各自的样本力学状态特征输入到初始注意力模块,得到多个层级区域各自的样本应力分布结果;基于参考应力分布结果和样本应力分布结果,对初始关联特征提取模块、初始时序特征提取模块以及初始注意力模块各自的参数分别进行迭代调整,得到关联特征提取模块、时序特征提取模块和注意力模块;基于关联特征提取模块、时序特征提取模块和注意力模块,得到应力分布预测模型。
10、根据本公开的实施例,取初始训练样本集合,初始训练样本集合包括多个样本载荷工况信息、以及利用列车车体的力学仿真模型对多个样本载荷工况信息分别进行力学仿真得到的多个参考应力分布结果;对初始训练样本进行聚类分析,确定多个工况类别和多个工况类别各自的聚类中心;针对任意工况类别,基于工况类别中各样本载荷工况信息和聚类中心之间的距离,确定候选训练样本集合;基于多个工况类别各自的候选训练样本集合,得到训练样本。
11、本公开的一个方面提供了一种列车车体应力分布的预测装置,包括:获取模块,用于获取列车车体的载荷工况信息和列车车体的多个层级区域的位置信息,载荷工况信息包括列车车体在多个目标位置的载荷信息,多个层级区域是按照列车车体各部件的传力路径顺序对列车车体进行划分得到;第一特征提取模块,用于对载荷工况信息中的多个载荷信息相互之间的跨位置关联进行特征提取,得到载荷关联特征;第二特征提取模块,用于基于载荷关联特征和多个层级区域各自的位置信息,按照多个层级区域的传力路径顺序,依次提取多个层级区域各自的力学状态特征;确定模块,用于基于多个层级区域各自的力学状态特征,确定多个层级区域各自的应力分布结果。
12、本公开的一个方面提供了一种列车车体应力分布预测模型的训练装置,该方法包括:样本获取模块,用于获取列车车体的训练样本集合以及列车车体的多个层级区域的位置信息,多个层级区域是按照列车车体各部件的传力路径顺序对列车车体进行划分得到;训练样本集合中的每个训练样本包括样本载荷工况信息和多个层级区域各自的参考应力分布结果,样本载荷工况包括列车车体在多个目标位置的样本载荷信息;样本第一特征提取模块,用于将载荷工况信息输入到初始关联特征提取模块,对载荷工况信息中的多个载荷信息相互之间的跨位置关联进行特征提取,得到载荷关联特征;样本第二特征提取模块,将样本载荷关联特征和多个层级区域各自的位置信息输入到初始时序特征提取模块,按照多个层级区域的传力路径顺序,依次提取多个层级区域各自的样本力学状态特征;样本确定模块,将多个层级区域各自的样本力学状态特征输入到初始注意力模块,得到多个层级区域各自的样本应力分布结果;调整模块,用于基于参考应力分布结果和样本应力分布结果,对初始关联特征提取模块、初始时序特征提取模块以及初始注意力模块各自的参数分别进行迭代调整,得到关联特征提取模块、时序特征提取模块和注意力模块;模型确定模块,用于基于关联特征提取模块、时序特征提取模块和注意力模块,得到应力分布预测模型。
13、本公开的一个方面提供了一种电子目标设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现如上述的方法。
14、本公开的一个方面提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器实现如上述的方法。
15、本公开的一个方面提供了一种轨道列车车体,包括如上述的装置。
16、根据本公开的实施例,通过获取列车车体的载荷工况信息和多个层级区域的位置信息,并对载荷工况信息中多个载荷信息相互之间的跨位置关联进行特征提取,得到载荷关联特征,可捕捉不同位置载荷之间的相互影响关系,从而更全面地表征车体所受的复杂多源载荷;进而通过基于载荷关联特征和多个层级区域各自的位置信息,按照多个层级区域的传力路径顺序,依次提取多个层级区域各自的力学状态特征,可沿传力路径逐层刻画载荷在车体结构内部的传递过程,使所提取的特征更符合车体实际受力状态;从而实现了对车体应力分布进行快速预测,有效解决了相关技术中应力分布获取方式难以兼顾全域覆盖、实时响应、计算精度和实现成本的问题。
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