本发明专利技术公开了一种精密设备的振动响应预测方法、装置、系统及计算机可读存储介质，应用于超导量子技术领域。该方法包括：对精密设备的基准点进行振动响应测试，得到基准点的振动响应数据；基于基准点的振动响应数据，利用预先建立的与基准点和目标测试点相关的神经网络模型对基准点的振动响应数据进行分析，得到与基准点对应的目标测试点的振动响应数据；其中，基准点位于精密设备表面，目标测试点位于精密设备的内部预设区域处；本发明专利技术通过对常温下的基准点进行振动响应测试，结合训练的神经网络模型即可预测得到处于极低温位置的目标预测点的振动响应数据，实现对极低温条件下精密设备的振动测量。密设备的振动测量。密设备的振动测量。
【技术实现步骤摘要】
一种精密设备的振动响应预测方法、装置、系统及介质
[0001]本专利技术涉及超导量子
，特别是涉及一种精密设备的振动响应预测方法、装置、系统及计算机可读存储介质。
技术介绍
[0002]近年来，超导技术在科研和工业中的应用越来越广泛，如在超导量子计算机、核聚变实验装置、高能粒子加速器、超导磁体储能系统、磁流体(MHD)、强磁场研究、化学分析(Nuclear MagneticResonance Spectroscopy)、医学(MRI)、运输系统(磁悬浮列车)、超导电力传输、超导电机方面的应用等，已发展成为有一定规模且极具前景的一门实用技术。
[0003]上述诸多技术的发展和科学研究都需要在一个极低温冷却系统环境下，通常需要到K级，甚至是mK级，更进一步的研究表明需要到nK甚至pK级，这个极低温冷却系统的温度稳定性直接影响整个装置的正常运行，这个极低温冷却系统是一种精密设备，对加工和制造工艺要求都非常高，而且极易受外界环境振动的影响，通常需要保持在非常低振动量级(μm以下)，因此需要采取各种减振隔振措施并且实时监测，但在极低温下的振动直接测试目前是个难题。
[0004]以超导量子计算机为例，其芯片系统和微波元器件等器件要求在极低温下工作，其极低温冷却系统的建立通常采用稀释制冷机，这就是一种精密设备，通过稀释制冷机的逐级制冷最终实现实验区的极低温(通常为10mK左右)，由于芯片系统和微波器件对温度的稳定性要求极高，小幅的振动可能引起温度的漂移，并且在长期的振动环境下易使各个零件产生共振，使螺丝或者螺母松脱，最终影响精密设备的正常使用。而在这种极低温环境下，目前没有合适的振动传感器对其进行振动监测，因而在实验测试过程中无法及时识别是否是振动引起的振动敏感器件的性能下降还是其它因素导致，严重影响整个试验系统连续长期的工作和实验中有效数据甄别。
[0005]现有技术中，为了减小振动噪声对实验测试器件的影响，采用将振动源尽量远离精密仪器主体，也有采用增加减振层来降低环境振动对精密仪器各部件之间的传递，但是由于试验被试件或者实际研究对象是安装在精密设备的最低温度的环境腔内，由于现有的振动传感器无法应用在这种极端温度下的测试，因此在实验过程中内部振源或者环境振动最终传递到实验区附近的振动水平是多少量级，没有条件直接进行实时振动响应监测，也无法预判振动对整个实验的影响及时做出预警或者调控。
[0006]鉴于此，如何提供一种能够实现对精密设备振动响应进行预测的方法、装置、系统及计算机可读存储介质成为本领域技术人员需要解决的问题。
技术实现思路
[0007]本专利技术实施例的目的是提供一种精密设备的振动响应预测方法、装置、系统及计算机可读存储介质，在使用过程中能够实现对极低温条件下精密设备的振动测量。
[0008]为解决上述技术问题，本专利技术实施例提供了一种精密设备的振动响应预测方法，
包括：
[0009]对精密设备的基准点进行振动响应测试，得到所述基准点的振动响应数据；
[0010]基于所述基准点的振动响应数据，利用预先建立的与基准点和目标测试点相关的神经网络模型对所述基准点的振动响应数据进行分析，得到与所述基准点对应的目标测试点的振动响应数据；其中，所述基准点位于所述精密设备表面，所述目标测试点位于所述精密设备的内部预设区域处。
[0011]可选的，所述与基准点和目标测试点相关的神经网络模型的建立过程，包括：
[0012]基于所述精密设备的3D模型建立初始有限元模型；
[0013]基于所述精密设备的物理模型进行试验模态测试，得到试验模态测试结果；
[0014]采用所述试验模态测试结果对所述初始有限元模型进行修正，得到修正后的校准有限元模型；
[0015]基于预先获取的与所述精密设备对应的环境振动加速度数据和所述校准有限元模型进行神经网络训练，得到与基准点和目标测试点相关的神经网络模型。
[0016]可选的，所述基于所述精密设备的物理模型进行试验模态测试，得到试验模态测试结果，包括：
[0017]基于所述精密设备的物理模型构建试验模态线框模型；
[0018]对所述试验模态线框模型进行数据采集，得到不同输入激励下每个测点的加速度响应数据；
[0019]基于所有所述加速度响应数据和输入激励数据得到试验模态测试结果，所述试验模态测试结果包括多阶模态下的模态频率、阻尼和振型。
[0020]可选的，所述输入激励为力锤激励或激振器激励。
[0021]可选的，所述采用所述试验模态测试结果对所述初始有限元模型进行修正，得到修正后的校准有限元模型，包括：
[0022]采用初始有限元模型计算得到有限元计算结果，所述有限元计算结果包括多组模态频率及对应的振型；
[0023]对所述有限元计算结果和所述试验模态测试结果进行缩聚处理，得到缩聚后的有限元计算结果和试验模态测试结果；
[0024]对所述缩聚后的有限元计算结果和所述试验模态测试结果中的频率和振型进行误差分析和灵敏度分析，确定出有限元模型的各个待修正参数；
[0025]通过修正迭代的方式对各所述待修正参数进行迭代修正，直至迭代收敛时得到修正后的参数；
[0026]基于各修正后的参数得到修正后的有限元模型；
[0027]对所述修正后的有限元模型进行振型和频率的误差验证，在验证通过的情况下将所述修正后的有限元模型作为校准有限元模型。
[0028]可选的，所述基于预先获取的与所述精密设备对应的环境振动加速度数据和所述校准有限元模型进行神经网络训练，得到与基准点和目标测试点相关的神经网络模型，包括：
[0029]对所述精密设备所在实验室进行振动测试，得到环境振动加速度数据；
[0030]将所述环境振动加速度数据作为所述校准有限元模型的输入激励，得到针对每个
基准点和每个目标测试点各自的振动响应样本数据；
[0031]基于每个所述基准点的振动响应样本数据和每个所述目标测试点的振动响应样本数据构建训练集；
[0032]采用所述训练集对神经网络进行训练，得到反映每个所述基准点与对应的目标测试点对应关系的神经网络模型。
[0033]本专利技术实施例还提供了一种精密设备的振动响应预测装置，包括：
[0034]测试模块，用于对精密设备的基准点进行振动响应测试，得到所述基准点的振动响应数据；
[0035]分析模块，用于基于所述基准点的振动响应数据，利用建立模块预先建立的与基准点和目标测试点相关的神经网络模型对所述基准点的振动响应数据进行分析，得到与所述基准点对应的目标测试点的振动响应数据；其中，所述基准点位于所述精密设备表面，所述目标测试点位于所述精密设备的内部预设区域处。
[0036]可选的，所述建立模块，包括：
[0037]第一建立单元，用于基于所述精密设备的3D模型建立初始有限元模型；
[0038]测试单元，用于基于所述精密设备的物理模型进行试验模态测试本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种精密设备的振动响应预测方法，其特征在于，包括：对精密设备的基准点进行振动响应测试，得到所述基准点的振动响应数据；基于所述基准点的振动响应数据，利用预先建立的与基准点和目标测试点相关的神经网络模型对所述基准点的振动响应数据进行分析，得到与所述基准点对应的目标测试点的振动响应数据；其中，所述基准点位于所述精密设备表面，所述目标测试点位于所述精密设备的内部预设区域处。2.根据权利要求1所述的精密设备的振动响应预测方法，其特征在于，所述与基准点和目标测试点相关的神经网络模型的建立过程，包括：基于所述精密设备的3D模型建立初始有限元模型；基于所述精密设备的物理模型进行试验模态测试，得到试验模态测试结果；采用所述试验模态测试结果对所述初始有限元模型进行修正，得到修正后的校准有限元模型；基于预先获取的与所述精密设备对应的环境振动加速度数据和所述校准有限元模型进行神经网络训练，得到与基准点和目标测试点相关的神经网络模型。3.根据权利要求2所述的精密设备的振动响应预测方法，其特征在于，所述基于所述精密设备的物理模型进行试验模态测试，得到试验模态测试结果，包括：基于所述精密设备的物理模型构建试验模态线框模型；对所述试验模态线框模型进行数据采集，得到不同输入激励下每个测点的加速度响应数据；基于所有所述加速度响应数据和输入激励数据得到试验模态测试结果，所述试验模态测试结果包括多阶模态下的模态频率、阻尼和振型。4.根据权利要求3所述的精密设备的振动响应预测方法，其特征在于，所述输入激励为力锤激励或激振器激励。5.根据权利要求3所述的精密设备的振动响应预测方法，其特征在于，所述采用所述试验模态测试结果对所述初始有限元模型进行修正，得到修正后的校准有限元模型，包括：采用初始有限元模型计算得到有限元计算结果，所述有限元计算结果包括多组模态频率及对应的振型；对所述有限元计算结果和所述试验模态测试结果进行缩聚处理，得到缩聚后的有限元计算结果和试验模态测试结果；对所述缩聚后的有限元计算结果和所述试验模态测试结果中的频率和振型进行误差分析和灵敏度分析，确定出有限元模型的各个待修正参数；通过修正迭代的方式对各所述待修正参数进行迭代修正，直至迭代收敛时得到修正后的参数；基于各修正后的参数得到修正后的有限元模型；对所述修正后的有限...
【专利技术属性】
技术研发人员：潘岳，方翁武，王西伟，
申请(专利权)人：量子科技长三角产业创新中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。