一种基于GCN的燃气轮机轮盘端面齿结构参数优化方法技术

本发明专利技术公开了一种基于GCN的燃气轮机轮盘端面齿结构参数优化方法，该方法通过构建轮盘强度计算模型的仿真计算，获得大量的结构参数下的端面齿强度数据，建立图卷积神经网络和深度学习的结构参数优化模型，对轮盘接触端面齿的位移、应力和应变等信息进行学习、训练和重构，实现轮盘接触端面齿的结构优化设计，为大型化燃气轮机盘式轮盘结构设计及其优化奠定基础。基础。基础。

【技术实现步骤摘要】
一种基于GCN的燃气轮机轮盘端面齿结构参数优化方法


[0001]本专利技术属于燃气轮机轮盘
，具体涉及一种基于GCN的燃气轮机轮盘端面齿结构参数优化方法。

技术介绍

[0002]燃气轮机转子必须可靠、稳定和耐用，因为它们在苛刻的离心和热环境中运行多年而无需维护和更换。转子的设计是燃气轮机设计团队应该面临的最具挑战性的任务之一，因为它的基本架构必须在早期设计阶段与燃气轮机流动路径和燃烧架构一起确定。盘式拉杆转子机构特性为非连续性与非整体性，在振动特性方面与其他具有连续整体特性的转子相比较，具有较大差异。在燃气轮机大型化、高速化、特异化设计的同时，轮盘结构的可靠性和稳定性也面临一系列挑战，轮盘结构的合理性和安全性是燃气轮高效安全运行的基础。
[0003]传统结构优化方法是建立在梯度法、牛顿法和拉格朗日极值法等函数为基础的优化方法。优化目标形式多种多样，比如尺寸、形状以及拓扑关系等等。传统的优化算法在处理非线性、高维度以及优化变量不连续的问题时表现出很大的局限性，传统优化设计方法有牛顿迭代法、罚函数法、单纯型法、以及最速下降法和广义乘子本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GCN的燃气轮机轮盘端面齿结构参数优化方法，其特征在于，包括以下步骤：1)使用有限元计算获得多种不同结构参数条件下的轮盘端面齿结构强度计算数据：通过参数化建模和结构化网格构建出用于深度学习的原始数据，包含节点坐标、节点单元、位移、应力和应变，通过改变参数变量获得若干组工况；其中，结构参数独立变量有4个，包括齿数z、端齿面倾斜角齿底圆角半径rb和齿顶间隙距离b；节点坐标包含节点编号对应的三维坐标N
X
、N
Y
、N
Z
，节点单元包含节点间的连接关系，六面体结构化网格中的节点单元信息包含其相邻8个节点，位移为节点对应的三个方向位移信息U
X
、U
Y
、U
Z
，应力包含正应力S
X
、S
Y
、S
Z
以及剪切应力S
XY
、S
YZ
、S
XZ
，应变包含正应变E
X
、E
Y
、E
Z
以及切应变E
XY
、E
YZ
、E
XZ
；将数据写为X
i,j
的形式，其中X表示节点特征，i表示第i个工况，j表示第j个节点编号，X
i,j
包括节点的坐标、位移、应力及应变数据；将节点单元数据写为A
i,j
的形式，其中A表示节点连接关系，i表示第i个工况，j表示第j个节点，A
i,j
包括节点的邻接节点编号；2)结构强度数据前处理及多种工况下的数据融合：首先将每一种参数工况的最大等效应力数据做目标，记为Y
i,j
，Y表示每一工况下的最大应力应变，i表示第i个工况，j表示最大值对应的节点编号；将节点信息组合为向量，记为X
i,j,k
，X
i,j,k
是三维矩阵；k表示节点中的节点坐标、位移、应力和应变数据，将节点连接关系组合为8维向量，记为A
i,j,k
，k是8个相邻节点编号，A
i,j,k
是三维矩阵；3)数据的标准化处理、划分训练集和验证集：将上述的i
×
j个节点强度数据X
i,j
、节点连接数据A
i,j
、优化目标数据Y
i,j
做标准化处理，然后使用拉丁超立方抽样，按照训练集/验证集等于4.0的比例，分为训练集数据{X
i,j
}
train
、{A
i,j
}
train
、{Y
i,j
}
train
和验证集数据[X
i,j
}
validation
、{A
i,j
}
validation
、{Y
i,j
}
validation
，并随机打乱训练集数据；4)构建基于GCN的神经网络：整个神经网络包含两层GCN，激活函数分别采用ReLU和Softmax，第一层使用ReLU激活函数，第二层使用Softmax激活函数，构建双层GCN神经网络；5)训练网络：基于GCN的燃气轮机轮盘端面齿结构优化模型，采用以下2种训练方法：
①
对于初始训练，所有神经网络都训练，通过Adam梯度下降算法和SGD梯度下降算法，设置可变学习率优化损失函数来训练网络；
②
当需要增加新类别作为训练数据的时候，在
①
训练结果的前提下，对GCN网络的主体结构设置小学习率进行学习，然后设置可变学习率优化损失函数来训练网络；6)结构参数优化结果分析：输入测试集数据{X
i,j
}
test
，获得最优强度结构的参数：齿数z、端齿面倾斜角齿底圆角半径rb、齿顶间隙距离b，根据优化获得的结果，调整学习率，重复步骤5)的训练。2.根据权利要求1所述的一种基于GCN的燃气轮机轮盘端面齿结构参数优化方法，其特征在于，还包括以下步骤：7)算法维护：实际过程中，当需要分析新的结构参数时，按照步骤1)中采集数据的方式，新增强度数据的计算；然后按照步骤2)的方式对新增强度数据做前处理及多个参数工况强度数据融
合；接着按照步骤3)做新增强度数据的标准化处理并划分数据集；最后按照步骤5)做新增强度数据的训练。3.根据权利要求1或2所述的一种基于GCN的燃气轮机轮盘端面齿结构参数优化方法，其特征在于，步骤1)的具体实现方法如下：101)在轮盘端面齿接触模型中，采用不带轮槽的轮盘结构，模型采用参数化建模以实现对参数变换后的模型更新，整体采用六面体结构网格，并在端面齿附近区域采用MAP形式的结构网格，固定节点数量n；102)在模型计算时，添加离心力以及周期约束，一侧轮盘施加全约束，另一侧轮盘施加预紧力约束，保证初时紧配状态；103)计算结果的输出采用文本文件导出节点，并对节点数据进行筛选，取神经网络需要的端面齿周围网格节点及单元强度数据。4.根据权利要求3所述的一种基于GCN的燃气轮机轮盘端面齿结构参数优化方法，其特征在于，步骤2)的具体实现方法如下：201)将4个独立变量齿数z、端齿面倾斜角齿底圆角半径rb和齿顶间隙距离b作为结构参数，每个参数取不同数量，共计10
...

【专利技术属性】
技术研发人员：张荻，王崇宇，傅柏生，仇志龙，谢永慧，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：