物理约束网络的热端配件寿命迁移预测方法与流程

本发明涉及燃机监测，尤其涉及一种物理约束网络的热端配件寿命迁移预测方法。

背景技术：

1、随着电力系统对灵活性调峰能力需求的日益增长，燃气轮机频繁参与启停循环与变负荷运行，导致热端关键部件承受复杂的热-机械耦合载荷，显著加速了材料的疲劳与蠕变损伤累积。其中，一级转叶作为燃气轮机中工作环境最恶劣的部件之一，长期处于高温、高压和高转速的极端工况下，其寿命受热应力波动、温度梯度不均及循环机械载荷的共同作用，极易发生热机械疲劳与蠕变交互损伤，严重影响机组运行安全与可靠性。

2、传统寿命预测方法多基于恒定工况下的经验模型或纯数据驱动的黑箱算法，难以准确刻画调峰运行中瞬态热冲击与非线性材料响应对损伤演化的影响，尤其在跨机组迁移应用时，因运行历史、控制策略和边界条件差异，导致预测精度大幅下降。此外，目标机组在服役初期往往缺乏足够的故障与退化数据，制约了数据驱动模型的有效训练与泛化能力。近年来，物理约束神经网络虽在融合机理模型与数据学习方面展现出潜力，但在多源工况迁移、损伤机制分离与实际工程可解释性方面仍存在不足。

3、上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本发明的主要目的在于提供一种物理约束网络的热端配件寿命迁移预测方法，旨在解决现有技术在面对燃气轮机跨机组调峰运行时，因难以融合材料物理本构与瞬态热-机械耦合机制，且受限于目标机组退化数据稀缺，导致一级转叶热机械疲劳与蠕变交互损伤的预测精度低、泛化能力差的技术问题。

2、为实现上述目的，本发明提供一种物理约束网络的热端配件寿命迁移预测方法，所述方法包括：

3、获取目标燃机源机组的全寿命运行时序，所述全寿命运行时序包括多个调峰工况运行样本，各所述运行样本具有对应启停循环时刻戳；

4、采集所述目标燃机一级转叶在各所述启停循环时刻戳对应的温度载荷、机械应力原始监测信息，以及所述一级转叶对应材料的热机械疲劳耦合损伤参数、蠕变物理本构模型参数；

5、根据各所述启停循环时刻戳对应的所述原始监测信息和所述损伤参数、物理本构模型参数，对目标跨机组一级转叶进行寿命迁移预测，生成一级转叶热机械疲劳耦合损伤剩余寿命输出结果。

6、可选地，所述获取目标燃机源机组的全寿命运行时序，所述全寿命运行时序包括多个调峰工况运行样本，各所述运行样本具有对应启停循环时刻戳，包括：

7、获取目标一级转叶所属的机组标识，基于所述机组标识调取对应的全寿命运行数据库与材料性能参数库；

8、接收用户设定的调峰负荷区间和预测评估时间范围，其中所述预测评估时间范围包括起始运行时刻和终止预测时刻；

9、根据所述调峰负荷区间、所述起始运行时刻和所述终止预测时刻，从所述全寿命运行数据库中筛选多个调峰工况运行样本，并同步提取各所述运行样本的启停循环次数，作为各所述运行样本的启停循环时刻戳。

10、可选地，所述采集所述目标燃机一级转叶在各所述启停循环时刻戳对应的温度载荷、机械应力原始监测信息，以及所述一级转叶对应材料的热机械疲劳耦合损伤参数、蠕变物理本构模型参数，包括：

11、获取所述目标燃机一级转叶的设计几何参数和材料晶向类型，所述设计几何参数包括叶片叶根坐标和气膜孔分布密度；

12、根据所述气膜孔分布密度和所述材料晶向类型，确定损伤邻域计算窗口范围；

13、基于所述叶片叶根坐标，获取各所述启停循环时刻戳对应的温度载荷、机械应力原始监测信息；

14、基于叶片设计几何参数和所述损伤邻域计算窗口范围确定耦合损伤计算区域，获取所述计算区域内的热机械疲劳耦合损伤参数、蠕变物理本构模型参数。

15、可选地，所述根据所述气膜孔分布密度和所述材料晶向类型，确定损伤邻域计算窗口范围，包括：

16、基于所述气膜孔分布密度计算气膜孔等效间距，并基于所述等效间距在损伤窗口映射表中获取第一窗口半径；

17、基于所述材料晶向类型确定第二窗口半径，所述第二窗口半径为材料各向异性影响范围的预设倍数；

18、将所述第一窗口半径与所述第二窗口半径进行比较，取较大值作为基础窗口半径；

19、在所述基础窗口半径的基础上增加疲劳损伤裕量，得到所述损伤邻域计算窗口范围。

20、可选地，所述根据各所述启停循环时刻戳对应的所述原始监测信息和所述损伤参数、物理本构模型参数，对目标跨机组一级转叶进行寿命迁移预测，生成一级转叶热机械疲劳耦合损伤剩余寿命输出结果，包括：

21、基于所述热机械疲劳耦合损伤参数、蠕变物理本构模型参数和各所述启停循环时刻戳对应的原始监测信息，计算各启停循环时刻戳对应的实际损伤累积分量；

22、根据各启停循环时刻戳对应的实际损伤累积分量对迁移模型的初始预测结果进行校正处理，得到各启停循环时刻戳对应的校正后剩余寿命预测值，生成一级转叶热机械疲劳耦合损伤剩余寿命输出结果。

23、可选地，所述根据各启停循环时刻戳对应的实际损伤累积分量对迁移模型的初始预测结果进行校正处理，得到各启停循环时刻戳对应的校正后剩余寿命预测值，包括：

24、遍历所述全寿命运行时序中的多个调峰运行样本，获取第一组调峰运行样本；

25、提取所述第一组调峰运行样本的第一启停循环时刻戳，并根据所述第一启停循环时刻戳得到第一实际损伤累积分量；

26、根据所述第一实际损伤累积分量在所述第一组调峰运行样本中划分为蠕变主导损伤区域和热疲劳主导损伤区域；

27、针对所述第一组调峰运行样本，在蠕变主导损伤区域提取第一损伤分量，并在热疲劳主导损伤区域提取第二损伤分量；

28、对所述第一损伤分量和所述第二损伤分量进行耦合合成，生成所述第一启停循环时刻戳对应的校正后剩余寿命预测值；

29、按照获取所述第一启停循环时刻戳对应的校正后剩余寿命预测值的方式，得到各启停循环时刻戳对应的校正后剩余寿命预测值。

30、可选地，所述针对所述第一组调峰运行样本，在蠕变主导损伤区域提取第一损伤分量，并在热疲劳主导损伤区域提取第二损伤分量，包括：

31、获取耦合损伤分离阈值；

32、在所述蠕变主导损伤区域，基于所述耦合损伤分离阈值对所述第一组调峰运行样本进行损伤分量分离处理，并分离提取larson-miller蠕变引入的累积损伤，得到所述第一损伤分量；

33、在所述热疲劳主导损伤区域，对所述第一组调峰运行样本进行蠕变耦合校正后，结合所述耦合损伤分离阈值进行损伤分量分离处理，并分离提取热循环机械疲劳引入的累积损伤，得到所述第二损伤分量。

34、可选地，所述在所述热疲劳主导损伤区域，对所述第一组调峰运行样本进行蠕变耦合校正后，结合所述耦合损伤分离阈值进行损伤分量分离处理，并分离提取热循环机械疲劳引入的累积损伤，得到所述第二损伤分量，包括：

35、在所述第一组调峰运行样本中，获取所述热疲劳主导损伤区域内各采样点的原始监测值和蠕变耦合分量；

36、通过蠕变耦合校正器对所述热疲劳主导损伤区域内各采样点进行蠕变耦合校正，得到校正后损伤值，并以所述校正后损伤值替换所述原始监测值；

37、基于所述校正后损伤值和所述耦合损伤分离阈值对所述第一组调峰运行样本进行损伤分量分离处理，并分离提取热循环机械疲劳引入的累积损伤，得到所述第二损伤分量。

38、可选地，所述蠕变耦合校正器的构建步骤包括：

39、采集样本蠕变耦合记录集和样本原始损伤集，并基于所述样本蠕变耦合记录集和所述样本原始损伤集进行标注，得到样本校正损伤集；

40、以所述样本蠕变耦合记录集和所述样本原始损伤集为输入，以所述样本校正损伤集为监督信号，结合物理约束网络预训练权重进行迁移微调，训练生成所述蠕变耦合校正器。

41、此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有物理约束网络的热端配件寿命迁移预测程序，所述物理约束网络的热端配件寿命迁移预测程序被处理器执行时实现如上文中任一项所述的物理约束网络的热端配件寿命迁移预测方法的步骤。

42、本发明提供了一种物理约束网络的热端配件寿命迁移预测方法，所述方法通过融合目标燃机源机组的全寿命运行时序数据与一级转叶材料的热机械疲劳耦合损伤参数、蠕变物理本构模型参数，构建基于物理约束网络的寿命迁移预测框架，能够有效克服目标跨机组在服役初期退化数据稀缺的问题，实现对启停循环和调峰工况下热端部件损伤演化的精准建模；通过引入启停循环时刻戳对关键载荷与损伤参数进行时序对齐，增强了对瞬态热应力与机械载荷耦合作用的响应能力，提升了在不同运行边界条件下一级转叶剩余寿命预测的准确性与泛化能力，为燃机关键部件的状态评估、维修决策与寿命管理提供了高可信度的技术支撑。

43、