一种基于数据驱动的水斗磨蚀损伤快速预测方法及系统
本发明涉及水力机械状态监测,特别是一种基于数据驱动的水斗磨蚀损伤快速预测方法及系统。
背景技术:
1、冲击式水轮机是开发高水头水力资源的核心装备,其依靠高速射流冲击水斗斗叶将水能转换为旋转机械能。水斗作为关键做功部件,其设计型线直接决定了机组的能量转换效率与运行稳定性。在实际运行中,特别是我国西南地区多沙河流上的水电站,高速水流携带的泥沙颗粒持续冲击斗叶表面,导致水斗发生严重的磨蚀损伤。这种损伤会破坏水斗的原始高效线型,引起流道内流态恶化、能量损失增加、机组出力下降,甚至因应力集中引发结构断裂,严重威胁电站的安全高效运行。随着高水头水电资源开发殆尽及现有电站的长期运行,对在役水斗的健康状态评估和剩余寿命预测需求日益迫切。
2、目前,针对水斗磨蚀损伤的研究和工程评估主要依赖计算流体动力学(computational fluid dynamics,cfd)数值模拟和物理模型实验两种手段。cfd方法能够通过求解水-沙-气多相流控制方程,精细捕捉流场细节并量化磨损分布,是揭示磨蚀机理的重要手段。然而,其计算成本高昂,单次仿真耗时数小时至数天,且需专业人员操作,难以在工程现场对多种损伤形态和运行工况进行快速、批量的评估。物理模型实验虽然结果可信度高,但存在实验周期长、成本高、测量难度大,且难以完全复现现场复杂水沙条件的固有缺陷。
3、此外,现有技术多偏重于对特定磨蚀状态的事后分析或基于经验公式的粗略估算,缺乏一种能够快速、精准地建立从磨蚀形貌到性能响应之间映射关系的预测手段。因此,亟需一种既能保证预测精度,又能大幅提升评估效率的新方法,以满足工程实际中对水斗磨蚀损伤进行快速诊断和前瞻性预测的迫切需求。
技术实现思路
1、本发明的目的在于提供一种基于数据驱动的水斗磨蚀损伤快速预测方法及系统,以解决现有技术中因依赖高成本、长周期的数值模拟或物理实验进行水斗磨蚀损伤评估,而无法在设计或运维阶段对不同损伤形态进行快速、精准性能预测与风险评估的问题。
2、为了实现上述目的,本发明采用如下技术方案:
3、本发明公开了一种基于数据驱动的水斗磨蚀损伤快速预测方法,包括:
4、构建多组具有不同损伤形貌参数的水斗模型,并设定各所述水斗模型的工况参数;
5、根据各所述水斗模型的工况参数,对所有的所述水斗模型分别进行多相流数值模拟,并获取各所述水斗模型在模拟过程中的磨蚀特征数据和性能数据;
6、根据各所述水斗模型对应的所述损伤形貌参数、所述工况参数、所述磨蚀特征数据和性能数据,建立包含所有所述水斗模型的样本数据集;
7、根据所述样本数据集,以各所述水斗模型的所述损伤形貌参数和所述工况参数作为模型输入,并以所述磨蚀特征数据和所述性能数据作为模型输出,通过模型训练得到磨蚀损伤预测模型;
8、获取待测水斗的所述损伤形貌参数和所述工况参数输入至所述磨蚀损伤预测模型中,输出得到所述待测水斗的性能和磨蚀特征预测结果。
9、可选地,所述构建多组具有不同损伤形貌参数的水斗模型,包括:
10、根据冲击式水轮机水斗的磨损试验,确定水斗的磨蚀损伤形貌类型和损伤形貌参数;
11、采用拉丁超立方采样方法,在由所述损伤形貌参数构成的设计空间内生成多组参数组合,得到涵盖多种损伤形态的参数集;
12、根据所述参数集,分别构建与每组所述参数组合一一对应的所述水斗模型。
13、可选地,所述确定水斗的磨蚀损伤形貌类型和损伤形貌参数,包括:
14、根据所述磨损试验确定水斗表面磨蚀损伤的部位信息;
15、根据所述部位信息将所述水斗的磨蚀损伤形貌确定为分水刃磨蚀、出水边缺损和水斗内表面磨蚀三种类型;
16、根据所述磨损试验获取从原始分水刃刃顶向母材方向的侵蚀深度,得到磨蚀深度,并获取磨蚀导致分水刃顶端变宽后的尺寸,得到磨蚀后宽度;
17、根据所述磨蚀深度和所述磨蚀后宽度确定表征所述分水刃磨蚀的所述损伤形貌参数;
18、根据所述磨损试验获取出水边缺损区域的轮廓长度,得到缺损长度,并获取垂直于所述轮廓向所述水斗内部缺损的深度,得到缺损深度;
19、根据所述缺损长度和所述缺损深度确定表征所述出水边缺损的所述损伤形貌参数;
20、根据所述磨损试验获取所述水斗内表面磨蚀区域内所有测量点深度的算术平均值,得到平均磨蚀深度,并获取对应所述磨蚀区域在所述水斗表面的投影表面积,得到磨蚀区域面积;
21、根据所述平均磨蚀深度和所述磨蚀区域面积确定表征所述水斗内表面磨蚀的所述损伤形貌参数。
22、可选地,所述对所有的所述水斗模型分别进行多相流数值模拟,并获取各所述水斗模型在模拟过程中的磨蚀特征数据和性能数据,包括:
23、基于cfd对各所述水斗模型进行网格划分,并对各所述水斗模型的损伤区域进行局部网格加密,得到所述水斗模型对应的网格模型;
24、对各组所述网格模型分别进行水-沙-气的三相流瞬态数值模拟,直至模拟收敛得到各所述网格模型的流场收敛解;
25、从所述三相流瞬态数值模拟的过程中,获取各所述网格模型中每个网格单元的泥沙颗粒撞击角度、撞击速度、磨损量和磨损深度,并将所有对应的所述泥沙颗粒撞击角度、所述撞击速度、所述磨损量和所述磨损深度汇总为所述磨蚀特征数据;
26、在所述三相流瞬态数值模拟收敛后,从各所述流场收敛解的全局解中获取各所述水斗模型的水力效率和输出扭矩,并将对应的所述水力效率和所述输出扭矩汇总为所述性能数据。
27、可选地,所述对各组所述网格模型分别进行水-沙-气的三相流瞬态数值模拟,直至模拟收敛得到各所述网格模型的流场收敛解,包括:
28、采用vof模型捕捉水-气自由液面,采用dpm模型模拟泥沙颗粒运动,并启用磨损模型计算磨损率;
29、根据所述vof模型、所述dpm模型和所述磨损模型,对各所述网格模型进行水-沙-气的三相流瞬态数值模拟,持续迭代求解直至计算收敛,得到各所述网格模型对应的流场收敛解。
30、可选地,所述从所述三相流瞬态数值模拟的过程中,获取各所述网格模型中每个网格单元的泥沙颗粒撞击角度、撞击速度、磨损量和磨损深度,包括:
31、在所述三相流瞬态数值模拟过程中,通过cfd软件与matlab的耦合接口,实时提取各所述网格模型中各网格单元的流场数据;
32、对所述流场数据进行处理,量化得到各所述网格模型中各网格单元的所述泥沙颗粒撞击角度、所述撞击速度、所述磨损量和所述磨损深度。
33、可选地,所述以各所述水斗模型的所述损伤形貌参数和所述工况参数作为模型输入,并以所述磨蚀特征数据和所述性能数据作为模型输出,通过模型训练得到磨蚀损伤预测模型,包括:
34、设定各所述水斗模型包括水斗几何参数、水流含沙情况以及水斗基材/涂层属性的所述工况参数;
35、获取各所述水斗模型的所述损伤形貌参数和所述工况参数组合,作为输入特征向量,并获取各所述水斗模型的所述磨蚀特征数据和所述性能数据组合,作为输出目标向量;
36、根据所述输入特征向量和所述输出目标向量,训练预设的高斯过程回归模型得到所述磨蚀损伤预测模型。
37、本发明还公开了一种预测系统,采用上述的水斗磨蚀损伤快速预测方法,所述预测系统包括:
38、模型构建模块,用于构建多组具有不同损伤形貌参数的水斗模型,并设定各所述水斗模型的工况参数;
39、数据模拟模块,用于根据各所述水斗模型的工况参数,对所有的所述水斗模型分别进行多相流数值模拟,并获取各所述水斗模型在模拟过程中的磨蚀特征数据和性能数据;
40、数据集建立模块,用于根据各所述水斗模型对应的所述损伤形貌参数、所述工况参数、所述磨蚀特征数据和性能数据,建立包含所有所述水斗模型的样本数据集;
41、模型训练模块,用于根据所述样本数据集,以各所述水斗模型的所述损伤形貌参数和所述工况参数作为模型输入,并以所述磨蚀特征数据和所述性能数据作为模型输出,通过模型训练得到磨蚀损伤预测模型;
42、预测模块,用于获取待测水斗的所述损伤形貌参数和所述工况参数输入至所述磨蚀损伤预测模型中,输出得到所述待测水斗的性能和磨蚀特征预测结果。
43、本发明还公开了一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述的水斗磨蚀损伤快速预测方法。
44、本发明还公开了一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的水斗磨蚀损伤快速预测方法。
45、与现有技术相比,本发明实施例提供的一种基于数据驱动的水斗磨蚀损伤快速预测方法及系统有益效果在于:
46、通过预先构建涵盖多组损伤形貌参数与工况参数的样本数据集并训练磨蚀损伤预测模型,使得模型训练完成后对于待测水斗无需重复执行上述数值模拟流程,仅需将待测水斗的损伤形貌参数和工况参数输入模型即可输出预测结果。该模型所建立的映射关系是对样本数据集中数值模拟输入输出规律的拟合,因此预测结果保持了数值模拟的计算精度。该过程不依赖数值模拟求解器,能够在工程现场不具备数值模拟条件或无法等待计算周期的情形下,实现水斗性能和磨蚀特征的快速获取。
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