一种风电轴承滚子修形多目标优化方法及系统与流程

摘要: 本发明涉及到风力发电机,尤其涉及一种风电轴承滚子修形多目标优化方法及系统。背景技术:1、永磁直驱风力发电机轴承需承受变载荷、变转速的复合工况,滚子修形是抑制边缘...
一种风电轴承滚子修形多目标优化方法及系统与流程

本发明涉及到风力发电机,尤其涉及一种风电轴承滚子修形多目标优化方法及系统。

背景技术:

1、永磁直驱风力发电机轴承需承受变载荷、变转速的复合工况,滚子修形是抑制边缘应力集中、提升轴承服役可靠性的核心手段。现有滚子修形参数优化方法主要有三类技术路径:一是经验公式法,基于赫兹接触理论构建解析模型,通过调整修形参数优化轴承性能,该方法依赖理想化假设,未耦合风电变工况特性与多物理场影响,优化精度低,无法满足风电轴承高精度设计需求;二是有限元仿真法,通过三维建模仿真分析修形参数对轴承应力、寿命的影响,虽能反映复杂工况特性,但建模周期长、计算成本高,难以实现高维参数空间的全局优化,且优化结果与实际加工工艺脱节,工程落地性差;三是智能算法优化法,采用遗传算法、粒子群算法结合模型实现参数优化,为当前主流技术路径,但该类方案仍存在缺陷,其特征构建局限于单一维度,未融合轴承接触力学机理,特征与性能关联度弱,且模型采用单一时序结构,难以同时捕捉修形参数细微变化的局部特征与长时累积的全局影响,同时超参数优化采用标准算法与固定边界,易陷入局部最优,且未结合风电轴承加工工艺约束,优化结果适配性差。

2、综上,现有技术存在特征表征不贴合机理、模型拟合能力不足、优化目标单一、工程适配性差的问题,无法实现风电轴承滚子修形参数的高精度、高效、多目标优化。

3、公开号为cn114580292a,公开日为2022年06月03日的中国专利申请文献公开了一种滚动轴承的塑性变形的可靠性和灵敏度分析方法,将牛顿迭代法、拉丁超立方设计、神经网络法和高阶矩法相结合,考虑滚动轴承载荷参数、几何参数和材料参数的随机性,在合理构造神经网络结构的基础上,利用牛顿迭代法和拉丁超立方设计抽样获得神经网络训练样本,通过对样本的学习和训练,获得功能函数与随机变量之间的映射关系;根据应力-强度干涉模型得到滚动体与滚道接触的极限状态函数,进而采用高阶矩法得到了滚动轴承的可靠性指标和可靠度,并进行滚动轴承塑性变形的可靠性灵敏度分析。

4、该专利申请文献公开的滚动轴承的塑性变形的可靠性和灵敏度分析方法,提高了滚动轴承塑性变形的可靠性设计的准确性和效率。但是,仅能针对塑性变形进行分析,无法满足风电轴承多目标修形优化需求,不能为风电轴承滚子修形设计提供可靠的工程决策支持。

技术实现思路

1、本发明为了克服上述现有技术的缺陷,提供一种风电轴承滚子修形多目标优化方法及系统,本发明通过三级融合特征空间构建与混合预测模型搭建,结合改进鱼鹰算法的超参数全局优化,显著提升了修形参数与轴承接触应力、疲劳寿命及加工成本之间映射关系的预测精度与模型稳定性,以多目标协同优化生成帕累托最优解集,能够高效筛选出同时满足应力最小化、寿命最大化和成本最低化的最优修形参数组合,为风电轴承滚子修形设计提供可靠的工程决策支持。

2、本发明通过下述技术方案实现:

3、一种风电轴承滚子修形多目标优化方法,包括以下步骤:

4、s1、构建三级融合特征空间,包括原始特征提取、多物理场等效特征转化和动态权重自适应融合;

5、s2、搭建混合预测模型,用于映射修形参数与轴承性能指标之间的关系;

6、s3、采用改进鱼鹰算法对混合预测模型的超参数进行全局优化;

7、s4、基于优化后的超参数,训练混合预测模型并进行多维度验证;

8、s5、以接触应力最小化、疲劳寿命最大化和加工成本最低化为目标,结合约束条件,通过改进鱼鹰算法生成帕累托最优解集,筛选输出最优修形参数组合。

9、所述s1具体包括:

10、s11、原始特征提取,包括几何特征、材料特征、工况特征和修形参数特征;

11、s12、赫兹接触理论将原始特征转化为多物理场等效特征,包括接触刚度等效值、接触应力峰值预估值和载荷分布均匀度系数;

12、s13、通过皮尔逊相关系数初步分配权重,并基于模型预测误差采用梯度下降法动态修正权重,构建统一融合特征向量。

13、所述s2中,搭建混合预测模型具体包括:

14、s21、搭建输入层,用于接收三级融合特征向量;

15、s22、采用因果卷积与膨胀卷积结构捕捉修形参数细微变化的局部时序特征,搭建局部特征提取层;

16、s23、搭建全局特征融合层,由双向门控循环单元挖掘长时依赖关系,并通过注意力机制动态加权融合局部与全局特征;

17、s24、搭建输出层,采用多输出结构与线性激活函数,同步输出接触应力、疲劳寿命和加工成本的预测值。

18、所述s3中,改进鱼鹰算法是指设定鱼鹰算法的优化变量及约束边界、构建融合误差指标与稳定性指标的适应度函数和改进寻优流程。

19、所述设定鱼鹰算法的优化变量及约束边界具体是指选取学习率、双向时间卷积网络扩张率、双向门控循环单元隐藏层节点数、批量大小、注意力机制权重系数和随机失活率作为优化变量,并设定搜索边界。

20、所述适应度函数通过式1构建;

21、式1;

22、其中,为适应度函数;为多性能指标均方误差均值;cv为预测结果变异系数;和均为权重系数,满足+=1,同时嵌入加工工艺约束因子。

23、所述改进寻优流程是指基于风电轴承模型训练经验生成部分初始种群,对预测精度未达预设阈值的超参数组合进行剔除并生成对立解,连续5轮迭代适应度值波动小于0.5%时终止迭代。

24、所述s4中,多维度验证包括误差指标验证、泛化能力验证和工况适配性验证。

25、所述误差指标包括多性能指标均方误差均值、平均绝对误差和决定系数。

26、所述s5中,约束条件包括几何约束、工艺约束和性能约束。

27、一种风电轴承滚子修形多目标优化系统,包括电连接的特征处理模块、混合模型构建模块、超参数优化模块、模型训练验证模块和多目标优化模块,所述特征处理模块用于构建三级融合特征空间,混合模型构建模块用于搭建双向时间卷积网络-注意力机制-双向门控循环单元混合预测模型,超参数优化模块用于通过改进鱼鹰算法优化模型超参数,模型训练验证模块用于训练模型并进行多维度验证,多目标优化模块用于生成帕累托最优解集并输出最优修形参数组合。

28、所述双向时间卷积网络-注意力机制-双向门控循环单元混合预测模型,用于风电轴承滚子修形参数与性能指标的映射。

29、所述双向时间卷积网络-注意力机制-双向门控循环单元混合预测模型包括用于提取局部时序特征的双向时间卷积层、用于挖掘长时依赖关系的向门控循环单元层、用于动态加权融合局部与全局特征的注意力机制层和用于同步输出多项性能指标预测值的输出层。

30、本发明的有益效果主要表现在以下方面:

31、1、本发明,通过三级融合特征空间构建与混合预测模型搭建,结合改进鱼鹰算法的超参数全局优化,显著提升了修形参数与轴承接触应力、疲劳寿命及加工成本之间映射关系的预测精度与模型稳定性,以多目标协同优化生成帕累托最优解集,能够高效筛选出同时满足应力最小化、寿命最大化和成本最低化的最优修形参数组合,为风电轴承滚子修形设计提供可靠的工程决策支持。

32、2、本发明,通过三级融合特征空间,将几何、材料、工况等多类原始特征经物理场等效转化与动态权重修正,实现多源异构数据的统一表征;有效降低特征冗余度,能够为后续高精度预测提供高质量数据输入。

33、3、本发明,引入赫兹接触理论指导等效特征转化,使融合特征兼具物理可解释性与数据驱动灵活性,避免纯数据驱动模型在有限样本下易过拟合的问题,提升了模型在变工况场景下的泛化能力。

34、4、本发明,混合预测模型采用因果卷积与膨胀卷积提取局部时序细节,结合双向门控循环单元挖掘全局长时依赖关系,突破了传统单一模型难以兼顾局部敏感性与全局记忆能力的瓶颈,实现了修形参数-性能映射的全方位表征。

35、5、本发明,通过注意力机制对局部与全局特征进行动态加权融合,自动聚焦对性能预测贡献更大的关键时序片段,相较于等权融合或固定权重方案,显著提升了模型对敏感参数的响应灵敏度。

36、6、本发明,多输出结构与线性激活函数支持接触应力、疲劳寿命和加工成本三项指标的同步预测,经多维度验证,各指标预测精度均达到工程实用标准,为后续多目标优化提供可靠支撑。

37、7、本发明,通过改进鱼鹰算法对学习率、膨胀率、隐藏层节点数等关键超参数进行全局搜索,结合经验初始种群生成与对立解剔除策略,能够有效规避标准算法易陷入局部最优的缺陷,提升超参数配置的全局最优性。

38、8、本发明,适应度函数融合多性能指标均方误差均值与预测结果变异系数,兼顾模型精度与预测稳定性,相较于单一误差指标优化方案,降低了预测结果波动风险,增强了工程应用可靠性。

39、9、本发明,基于风电轴承训练经验生成部分初始种群,并设定连续5轮适应度波动小于0.5%的提前终止条件,较标准鱼鹰算法收敛速度提升约40%,大幅缩短了超参数调优周期。

40、10、本发明,超参数优化与多目标寻优阶段均嵌入加工工艺约束因子及几何、性能等约束条件,能够确保输出的修形参数组合严格符合实际加工能力与行业标准,提高适用性。