-
题名大型风电机组齿轮箱多尺度特性深度学习建模
- 1
-
-
作者
胡阳
李梓豪
付德义
宋子秋
房方
刘吉臻
-
机构
新能源电力系统全国重点实验室(华北电力大学)
华北电力大学控制与计算机工程学院
中国电力科学研究院有限公司
-
出处
《系统仿真学报》
北大核心
2025年第10期2454-2468,共15页
-
基金
国家重点研发计划(2023YFB4203000)。
-
文摘
针对风电机组齿轮箱在高频振动特性表征困难、刚柔耦合多体动力学模型求解时间过长、齿轮箱模型在多场景下配置复杂等问题,提出一种基于全工况数字化测试的齿轮箱多尺度运行特性深度学习建模方法。提出了一种基于流式数据驱动的OpenFAST与Adams级联扩展式仿真方案,利用动态模态分解技术,构建了风电机组全工况下齿轮箱柔性多体动力学特性的多尺度数据集;基于该数据集,采用TimeMixer深度学习算法构建了一个多振动模态、多时间尺度的齿轮箱运行特性数字代理模型。仿真实验结果表明:所建风电机组齿轮箱深度学习代理模型能够准确反映齿轮箱在多种典型工况下的振动特性、载荷特性和动力学行为,且计算效率、仿真精度和变工况适应性得以提升。
-
关键词
风电机组
深度学习代理模型
齿轮箱多体动力学
多模态振动
多时间尺度
-
Keywords
wind turbine
deep learning surrogate model
gearbox multi-body dynamics
multimodal vibration
multi-time scale
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于距离准则的深度学习热布局序贯优化采样方法
- 2
-
-
作者
苗青
周炜恩
姚雯
-
机构
军事科学院国防科技创新研究院
-
出处
《机械设计》
CSCD
北大核心
2021年第S02期68-74,共7页
-
基金
国家自然科学基金资助项目(11725211,52005505,62001502)
湖南省研究生科研创新项目资助(CX20200023)
-
文摘
实际工程中在考虑温度场性能的卫星布局优化设计问题时,若直接调用温度场数值仿真工具会造成计算成本过高,优化代价巨大。因此,研究人员提出了基于深度学习代理模型的热源布局优化设计思路,有效降低问题的计算复杂性。在此基础上,文中提出一种基于距离准则的序贯优化设计方法,进一步降低计算成本。首先从降低仿真计算成本的角度论述了研究基于深度学习代理模型的卫星热布局序贯优化采样方法的必要性,并简要介绍基于深度学习的热源布局优化模型;然后针对布局方案样本间有效距离的计算问题,提出一种基于布局变换的距离计算方法;接着分别提出一种基于距离准则的全局和局部序贯采样加点方法,形成一套基于深度学习代理模型的热源布局序贯优化设计方法。算例测试表明,该方法在提升模型重点区域精度以辅助基于代理模型的优化算法找到更优解方面可行有效。
-
关键词
热源布局优化
深度学习代理模型
序贯采样
距离准则
-
Keywords
heat source layout optimization
deep learning surrogate
sequential sampling
distance criterion
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
V423.4
[航空宇航科学与技术—飞行器设计]
-
