[发明专利]基于神经网络的转子有限元模型优化设计方法

摘要

一种基于神经网络的双转子有限元模型优化设计方法，借助神经网络算法的优化迭代过程，针对所有模型参数进行优化。本发明结合神经网络算法与有限元算法、信号处理算法、将设计信息与潜在故障信息综合考虑，使神经网络算法能有着重优化对故障有影响的模型参数。本发明的效果表现在，一、理清对于规避指定故障有主要影响的结构特点，避免单独改变一个或数个模型参数，会对满足功能需求产生意想不到的作用甚至反作用的情况；二、能够优化转子结构的动力学性能；三、无需事先提供多个现有的、涵盖不同工作要求、不同结构特点的样本训练所用算法；四、适用于其它已经具有公开动力学特性参数的故障如不对中、支承松动、滚动轴承局部故障。

主权项

1.一种基于神经网络的双转子有限元模型优化设计方法，其特征在于，具体过程是：步骤一：确定双转子的结构；步骤二：将双转子的结构简化为有限元模型：将确定的双转子的结构简化为有限元模型；具体是将该双转子的轴简化为由轴段组成的梁单元；将盘类零件简化为盘单元；所述的盘类零件为风扇、压气机和涡轮；将轴承简化为轴承单元；将机匣简化为无质量单元；支承类零件忽略，不予简化，但支承的作用将体现在算法计算过程中的力和位移约束矩阵上；所述的支承类零件包括低压涡轮后支承、风扇前支承和高压压气机前支承；简化完成后，按照算法要求确定该有限元模型的初始参数名目；各个参数在步骤二中不予赋值；通过双转子动力学计算有限元法计算所述有限元模型，得到双转子的振动响应参数、双转子的转速和振动模态的参数，步骤三：确定有限元模型参数：根据双转子的工作转速和双转子的轴向长度，通过传递矩阵法和遗传算法迭代计算得到满足工作条件的模型初始参数，具体过程是：对步骤二中所述的各有限元模型参数随机赋值，得到有限元模型的初始参数；通过传递矩阵法计算在所述初始参数下，该双转子的工作转速和该双转子的轴向长度；判断得到的该双转子的工作转速和该双转子的轴向长度是否满足工作要求：如果满足，该限元模型的初始参数作为有限元模型参数进入步骤4；如果不满足，通过遗传算法对该初始参数进行优化，得到新的有限元模型初始参数；通过传递矩阵法计算新的有限元模型初始参数下该双转子的工作转速和该双转子的轴向长度；判断得到的该双转子的工作转速和该双转子的轴向长度是否满足所述工作要求：如果满足，进入步骤4；如果仍不满足，再次通过遗传算法对该初始参数进行优化得到新的有限元模型初始参数；重复所述计算该双转子的工作转速和该双转子的轴向长度‑‑判断‑‑优化的过程，直至得到满足工作要求的有限元模型参数；步骤四：计算模型动力学特性的参数：所述计算模型动力学特的参数性具体过程是：Ⅰ将得到的有限元模型参数分别填入有限元模型矩阵和力与位移约束矩阵中；通过双转子动力学计算有限元法进行计算，得到的计算结果包括双转子的振动响应参数、转速、振动模态的参数、自振频率参数；Ⅱ对得到的振动响应参数进行信号处理以得到模型的动力学特性；所述模型的动力学特性包括：一倍频成分振动幅值、轴系组合频率成分的振动幅值、高频能量在振动频谱中的占比与低频能量在振动频谱中的占比；振幅变化趋势、临界峰值和临界峰值数目；双转子的轴心轨迹；振动幅值变化趋势与负载变化趋势的相关系数；ⅰ确定一倍频成分振动幅值、轴系组合频率成分的振动幅值、高频能量在振动频谱中的占比与低频能量在振动频谱中的占比；通过傅里叶变换得到振动频谱；根据得到振动频谱，找到该振动频谱坐标中横坐标为1的刻度，该刻度对应的纵坐标幅值为一倍频成分振动幅值；找到该振动频谱中的轴系组合频率成分的刻度，该刻度对应的纵坐标幅值为所述轴系组合频率成分的振动幅值；计算高频能量在振动频谱中的占比与低频能量在振动频谱中的占比；ⅱ通过时域分析确定振幅变化趋势、临界峰值、临界峰值数目和各个单元的振动值；ⅲ确定临界峰值和临界峰值数量；ⅳ确定振动幅值变化趋势与负载变化趋势的相关系数；以振幅变化趋势为互相关算法中的第一信号，以转速为互相关算法中的第二信号，由互相关算法得到振动幅值变化趋势与负载变化趋势的相关系数；ⅴ确定轴心轨迹；对振动响参数进行轴心轨迹分析得到轴心轨迹；至此得到待设计的双转子动力学特性参数；步骤五：计算双转子设计目标值：所述双转子设计目标值通过公式1得到：y为理想输出值；x为输出神经元的输入参数，所述输出神经元的输入参数即为无故障条件；e为自然对数；将所述无故障条件分别作为神经网络算法输出层中的各个神经元的输入，由神经网络算法的输出层函数分别对每个神经元进行计算，得到双转子设计目标值；其中，一个神经元对应一个无故障条件；步骤六：对有限元模型参数进行优化：利用神经网络算法优化步骤3中得到的有限元模型参数中除了轴段长度与轴段数目外的其余各模型参数，具体过程是：以步骤四中得到的各双转子动力学特性的参数作为神经网络首次优化计算时输出层的输入；将一倍频成分振动幅值、临界峰值、临界峰值数量、中介滚动轴承单元振动幅值、未过1阶临界前振幅均值、轴心轨迹的椭圆度、振动幅值变化趋势与负载变化趋势的相关系数、轴系组合频率成分振动幅值、低频成分能量占比、高频成分频率占比分别作为输出层各个输出神经元的输入；动力学特性参数输入的神经元应该与步骤五中无故障条件输入的神经元一一对应；通过神经网络算法得到输出神经元的实际输出；判断实际输出与双转子设计目标值之间的误差值是否小于1％；如果所述误差值大于1％，进行迭代修正；完成所述迭代过程后，得到有限元模型的参数；至此，完成了某双转子的有限元模型优化设计过程。