基于多域响应融合的逆PINN非线性模型修正方法

摘要: 本发明涉及动力学模型修正,具体为基于多域响应融合的逆pinn非线性模型修正方法。背景技术:1、随着工程装备向高速化与轻量化方向发展,工程装备的动力学行为日益复杂...
基于多域响应融合的逆PINN非线性模型修正方法

本发明涉及动力学模型修正,具体为基于多域响应融合的逆pinn非线性模型修正方法。

背景技术:

1、随着工程装备向高速化与轻量化方向发展,工程装备的动力学行为日益复杂。工程装备结构中广泛存在的非线性因素会改变动力学系统的整体刚度与耗能机制。受限于非线性模型理想化设定、制造装配误差以及服役状态演化影响,基于名义参数建立的初始动力学仿真模型通常难以真实反映实际结构的非线性特性。融合试验测量数据对非线性动力学模型进行参数修正,是提高非线性仿真模型可信度与跨工况预测能力的基础途径。

2、现有的非线性模型修正方案通常将特征提取、参数优化与动力学正演流程分阶段独立执行,单纯依赖单一时域响应数据构建误差目标。在单一时域响应约束下,不同的模型参数组合会产生相近的局部时间历程波形,加剧了待修正参数之间的数值耦合程度,导致逆问题求解过程出现病态或解不唯一的现象。同时,实际测量过程伴随环境噪声干扰、未建模动力学偏差以及结构传递路径差异,直接破坏了实测响应数据与理论仿真响应在时间维度上的逐点对应关系。

3、部分基于信息神经网络的模型修正方法依然主要约束原始时域响应,未能充分提取频域分布、时频演化以及统计特征空间内部的互补信息。此外,现有的基于梯度反向传播的模型修正网络要求动力学方程求解算子具备完全可微属性,难以直接处理涵盖间隙非线性、接触状态切换以及逻辑判断条件的工程非线性动力学求解任务,限制了信息神经网络在复杂非线性模型修正领域的应用范围。

技术实现思路

1、针对现有技术的不足,本发明提供了基于多域响应融合的逆pinn非线性模型修正方法,解决了单一响应域信息不足引发参量耦合,以及实测响应数据与理论响应模型难以建立时间维度的逐点对应关系的问题。

2、为实现以上目的,本发明提供基于多域响应融合的逆pinn非线性模型修正方法,包括以下步骤:

3、张量计算单元读取初始模型数据建立非线性动力学运动方程并转化为一阶状态方程,独立动力学求解器输出模型预测状态响应;

4、计算机设备对实测响应数据划分获得响应窗口,张量计算单元生成全局多域融合特征;

5、逆向参数识别网络接收全局多域融合特征输出无约束变量,张量计算单元对无约束变量执行非对称有界映射转化为待修正模型参量;

6、张量计算单元比对模型预测状态响应与实测响应数据构建局部损失,聚合生成跨窗口鲁棒损失,结合参量正则化项形成模型修正总损失并提取数值扰动梯度;

7、计算机设备基于数值扰动梯度更新网络参数直至模型修正总损失达到预设收敛标准,张量计算单元提取收敛修正参量生成高可信数字孪生模型。

8、本发明在底层算力环境执行数据吞吐与并行矩阵运算,依托逆向参数识别网络建立多域特征映射机制,通过跨窗口鲁棒损失与数值扰动梯度的闭环迭代架构,在含有测量噪声、环境扰动、人工噪声干扰及未建模动力学共同形成的响应误差条件下,完成针对非线性模型参量的数值闭环修正任务。

9、优选地,张量计算单元读取初始模型数据建立非线性动力学运动方程并转化为一阶状态方程的具体方式为:

10、张量计算单元提取动力学质量矩阵、动力学阻尼矩阵与动力学刚度矩阵,接收非线性动力学恢复力并获取外部激励,执行矩阵等式建立运算输出非线性动力学运动方程;

11、张量计算单元对非线性动力学运动方程执行状态向量降阶定义转化为一阶状态方程。

12、通过提取动力学质量矩阵、动力学阻尼矩阵与动力学刚度矩阵并执行状态向量降阶定义,满足动力学仿真模型执行数值积分和参量灵敏度计算的基础运算条件。

13、优选地,独立动力学求解器输出模型预测状态响应的具体方式为:

14、独立动力学求解器基于动力学数值求解算子对状态演化函数执行数值积分计算,输出模型预测状态响应;

15、张量计算单元调用状态选择或测量方向投影矩阵对模型预测状态响应执行空间维度的投影计算,结合观测算子生成模型预测响应。

16、引入包含固定观测传递函数的观测算子,解决结构传递路径差异导致的数据对齐偏差,保障模型预测响应与实际测量响应处于相同的参量维度与采样形式之中。

17、优选地,张量计算单元生成全局多域融合特征的具体过程为:

18、暂存响应窗口内的时域演化信息、频谱分布信息、时频结构信息与统计特征信息;

19、张量计算单元对时域演化信息执行标准化处理,对频谱分布信息执行离散傅里叶变换,对时频结构信息执行短时傅里叶变换;

20、将各域信息经多个独立特征编码算子编码拼接形成局部多域融合特征,对局部多域融合特征执行均值、中位数与标准差聚合计算生成全局多域融合特征。

21、经由均值、中位数与标准差聚合计算,生成不受响应窗口划分顺序干扰的全局多域融合特征,提供涵盖多个独立维度的响应表征源。

22、优选地,对时频结构信息执行短时傅里叶变换的具体过程为:

23、张量计算单元调用短时窗口算子对窗口信号执行滑动切片,接收短时窗口长度、帧移长度以及短时窗函数;

24、对窗口信号执行短时傅里叶变换输出短时傅里叶复系数,提取短时傅里叶复系数的短时傅里叶复系数幅值输出对数时频幅值。

25、在时间帧和频率维度展开短时傅里叶复系数,构造包含时间维度聚合参量的时频域表征反映非平稳演化特征。

26、优选地,张量计算单元对无约束变量执行非对称有界映射转化为待修正模型参量的具体步骤包括:

27、设置逆向参数识别网络包含数据输入层、全连接隐含层以及数据输出层,由数据输出层输出无约束变量;

28、张量计算单元提取模型待修正参量上限值与下限值界定参量可行区间,将无约束变量代入双曲正切函数中生成映射变量转化为带有实际量纲的待修正模型参量。

29、结合双曲正切函数执行有界映射处理,消除不同参量维度的数值差异,将待修正模型参量严格限制在参量可行区间内部。

30、优选地,结合参量正则化项形成模型修正总损失的具体步骤包括:

31、张量计算单元依据待修正模型参量建立参量先验正则化项,比较由待修正模型参量仿真计算输出的模型表征与多域响应集合产生多域响应一致性损失;

32、提取网络权重正则化项、第一惩罚权重与第二惩罚权重,将多域响应一致性损失、乘有第一惩罚权重的参量先验正则化项以及乘有第二惩罚权重的网络权重正则化项相加合并形成模型修正总损失。

33、确立多域数据驱动与动力学模型特征双重约束架构,约束待修正模型参量偏离初始先验参数的范围,抑制逆向参数识别网络内部的训练过拟合现象。

34、优选地,提取数值扰动梯度的具体过程包括:

35、张量计算单元针对逆向参数识别网络训练目标加载数值扰动梯度估计算子,对待修正模型参量施加微小数值扰动分别计算数据偏导数与先验偏导数;

36、计算待修正模型参量关于网络参数的雅可比矩阵,将数据偏导数、先验偏导数与雅可比矩阵执行张量乘积计算构成网络参数更新方向。

37、通过施加微小数值扰动计算偏导数与雅可比矩阵,建立跨越不可微动力学算子的反向传播计算路径,维持网络参数更新迭代环路的连贯运行。

38、优选地,提取收敛修正参量的具体步骤包含:

39、张量计算单元比对当前迭代编号与最大迭代阈值大小,同步求取相邻两次迭代更新计算输出的模型修正总损失函数差值;

40、当当前迭代编号等于最大迭代阈值,或模型修正总损失函数差值小于损失收敛容差判定达到收敛状态,提取收敛阶段迭代次数与总迭代次数执行均值计算输出收敛修正参量。

41、利用收敛阶段多步迭代提取的参数执行均值计算操作,削弱单次迭代过程数值波动引入的计算偏差。

42、优选地,在生成高可信数字孪生模型之后,张量计算单元还执行:

43、接收外部通信接口发送的包含外部激励载荷与环境边界条件的目标预测工况数据;

44、加载高可信数字孪生模型,将目标预测工况数据作为输入节点参量执行前向动力学解算输出跨工况预测响应集合传输至下游工程应用服务端执行结构疲劳损伤预警计算。

45、依据目标预测工况数据执行前向动力学解算,输出跨工况响应泛化预测结果,支撑下游工程应用服务端执行设备运转监控分析任务。

46、本发明提供了基于多域响应融合的逆pinn非线性模型修正方法。具备以下有益效果:

47、1、本发明通过将时域演化信息、频谱分布信息、时频结构信息与统计特征信息经多个独立特征编码算子编码拼接形成局部多域融合特征,对局部多域融合特征执行均值、中位数与标准差聚合计算生成全局多域融合特征,多域融合特征提供了涵盖独立维度的响应表征源,降低了响应特征层面的参量耦合度;跨响应窗口的均值、中位数与标准差聚合计算生成了不受响应窗口划分顺序干扰的全局多域融合特征,削弱了时间偏移与测量噪声对非线性动力学模型修正过程的干扰。

48、2、本发明通过逆向参数识别网络接收全局多域融合特征输出无约束变量,调用双曲正切函数对无约束变量执行非对称有界映射转化为待修正模型参量,并针对逆向参数识别网络训练目标加载数值扰动梯度估计算子对待修正模型参量施加微小数值扰动计算偏导数与雅可比矩阵,非对称有界映射消除不同参量维度的数值差异并将待修正模型参量限制在参量可行区间内部,满足了非线性动力学系统的边界约束;数值扰动梯度估计算子建立了跨越不可微动力学求解算子的反向传播计算路径,维持了网络参数更新迭代闭环的连贯运行。

49、3、本发明通过比对模型预测状态响应与实测响应数据构建局部损失,聚合生成跨窗口鲁棒损失,结合参量正则化项形成模型修正总损失,并在模型修正总损失达到预设收敛标准后提取收敛修正参量生成高可信数字孪生模型,跨窗口鲁棒损失与参量正则化项构成了数据驱动与动力学模型特征双重约束架构,抑制了逆向参数识别网络内部的过拟合现象;依据收敛修正参量生成的高可信数字孪生模型结合目标预测工况数据执行前向动力学解算,输出了跨工况预测响应集合,支撑了下游工程应用服务端执行设备运转监控与结构疲劳损伤预警计算任务。