一种液压系统数值模拟与参数优化设计方法及系统与流程

本发明涉及液压系统参数优化，特别是一种液压系统数值模拟与参数优化设计方法及系统。

背景技术：

1、液压系统作为动力传输与控制的重要装置，广泛应用于工程机械、航空航天、船舶等领域。随着现代制造业对液压系统性能及可靠性要求的不断提高，针对液压系统进行数值模拟与参数优化设计成为研究热点。

2、传统的数值模拟方法主要依赖于建立精确的物理模型及方程组，并采用有限元等数值计算方法求解。然而，由于液压系统的高度非线性及强耦合特性，传统建模方法往往难以有效描述系统的动态行为，导致模拟精度低下。此外，基于试验数据的经验模型需要大量的实验资源，且只适用于特定工况，难以推广到更广阔的参数空间。现有优化算法如遗传算法、粒子群等常规搜索能力有限，易陷入局部最优，难以在高维设计空间内探索出全局最优解。

技术实现思路

1、鉴于现有的数值模拟方法中存在的问题，提出了本发明。

2、因此，本发明所要解决的问题在于现有试验数据的经验模型需要大量的实验资源，且只适用于特定工况，难以推广到更广阔的参数空间。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明实施例提供了一种液压系统数值模拟与参数优化设计方法，其包括，

5、收集液压系统工作数据，构建数值模拟模型；

6、使用构建液压系统的代理模型，在代理模型上执行全局优化算法；

7、使用强化学习自动调整仿真引擎参数，基于进化策略优化液压系统拓扑结构。

8、作为本发明所述液压系统数值模拟与参数优化设计方法的一种优选方案，其中：所述数值模拟模型包括长短期记忆网络，所述长短期记忆网络包括计算损失函数关于网络参数的梯度和adam优化算法；

9、所述长短期记忆网络如下式所示：

10、

11、其中，α,β分别控制前一时刻隐藏状态和单元状态对当前时刻输出的影响程度，ηi为第i个输入特征权重，φ(xt-i)为第i个输入特征经过非线性变换，λi,γi,wi,θi为控制第i个输入特征的时变特性，k,ζ,ξ为常数参数，n(μ,v,yt-1)为正态分布密度函数，μ,v,yt-1分别为均值，标准差，自变量。

12、作为本发明所述液压系统数值模拟与参数优化设计方法的一种优选方案，其中：所述计算损失函数关于网络参数的梯度如下式所示：

13、

14、其中，j为损失函数，wjk为连接第l-1层第j个神经元和第l层第k个神经元的权重，m为训练样本数量，为第l层第k个神经元的加权输入，σ′为激活函数的导数，为第l-1层第j个神经元的激活值，λ为正则化参数。

15、作为本发明所述液压系统数值模拟与参数优化设计方法的一种优选方案，其中：所述adam算法如下式所示：

16、

17、其中：

18、

19、其中，θt为第t步迭代时的参数向量，a为学习率，为第t步的梯度，mt为一阶动量估计，vt为二阶动量估计，β1,β2为动量衰减率，为偏差修正后的动量估计。

20、作为本发明所述液压系统数值模拟与参数优化设计方法的一种优选方案，其中：所述代理模型的构建包括以下步骤：

21、根据经验或初步分析，确定影响液压系统性能的设计变量，作为代理模型的输入；

22、针对这些设计变量，通过经典设计理论，对设计空间进行有代表性的采样；

23、针对每一个采样点，利用物理模型获得相应的输出响应；

24、以采样点为训练数据，通过高斯过程回归(gpr)训练获得代理模型；

25、对代理模型进行验证，检查其预测精度是否满足要求。

26、作为本发明所述液压系统数值模拟与参数优化设计方法的一种优选方案，其中：所述自动调整仿真引擎参数根据策略梯度算法训练出优化的参数调整策略，如下式所示：

27、

28、

29、其中，τ为轨迹样本序列，πθ为参数化的策略函数，决定在给定状态st下选择行动at的概率分布，st为时刻t的状态，at为时刻t所采取的行动，r(st,at)为在状态st下采取行动at的即时奖励，γ为折现因子，控制未来奖励的重要性，t为轨迹序列长度，θ为策略函数的参数，为目标函数关于θ的梯度，n为蒙特卡罗采样的轨迹样本数量，为优势函数，衡量在状态st下采取行动at相对于当前策略的优势程度。

30、作为本发明所述液压系统数值模拟与参数优化设计方法的一种优选方案，其中：所述进化策略基于拟合度函数，根据所述拟合度函数决定进化；

31、所述拟合度函数如下式所示：

32、

33、其中，x个体基因型向量，代表液压系统的拓扑结构；为给定拓扑结构x下的输出压强指标函数，tr(x)为响应时间指标函数，tmax为接受的最大响应时间，ec(x)为能量消耗指标函数，β1,β2,β3为权重系数，根据不同指标的重要程度赋予不同权值，γ1为输出压强指标的非线性放大系数。

34、第二方面，本发明实施例提供了液压系统数值模拟与参数优化设计系统，其包括：

35、数据采集模块，用于收集液压系统工作数据；

36、深度学习建模模块，用于构建基于深度学习的液压系统数值模拟模型；

37、代理模型构建模块，用于使用高斯过程回归构建液压系统的代理模型；

38、全局优化模块，用于在代理模型上执行高效全局优化算法，优化系统设计参数；

39、调参和拓扑优化模块，用于使用强化学习算法自动调整模拟引擎的计算参数，并基于进化策略优化液压系统的拓扑结构。

40、第三方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述处理器执行所述计算机程序时实现上述的液压系统数值模拟与参数优化设计方法的任一步骤。

41、第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现上述的液压系统数值模拟与参数优化设计方法的任一步骤。

42、本发明有益效果为构建基于深度学习的数值模拟模型，利用从实验平台采集的高质量数据，训练出长短期记忆网络等深度神经网络模型，捕捉液压系统内在动态模式，为精确模拟系统行为奠定基础，使用高斯过程回归构建液压系统的高精度代理模型，并在代理模型上执行高效全局优化算法，快速探索全局最优参数组合，采用强化学习自动调整仿真引擎参数，提高模拟求解的稳定性和效率；基于进化策略优化液压系统拓扑结构，将优化后的最优拓扑输入代理模型，进一步提高模型精度和优化效率。

技术特征：

1.一种液压系统数值模拟与参数优化设计方法，其特征在于：包括，

2.如权利要求1所述的液压系统数值模拟与参数优化设计方法，其特征在于：所述数值模拟模型包括长短期记忆网络，所述长短期记忆网络包括计算损失函数关于网络参数的梯度和adam优化算法；

3.如权利要求2所述的液压系统数值模拟与参数优化设计方法，其特征在于：所述计算损失函数关于网络参数的梯度如下式所示：

4.如权利要求3所述的液压系统数值模拟与参数优化设计方法，其特征在于：所述adam算法如下式所示：

5.如权利要求4所述的液压系统数值模拟与参数优化设计方法，其特征在于：所述代理模型的构建包括以下步骤：

6.如权利要求5所述的液压系统数值模拟与参数优化设计方法，其特征在于：所述自动调整仿真引擎参数根据策略梯度算法训练出优化的参数调整策略，如下式所示：

7.如权利要求6所述的液压系统数值模拟与参数优化设计方法，其特征在于：所述进化策略基于拟合度函数，根据所述拟合度函数决定进化；

8.液压系统数值模拟与参数优化设计系统，基于权利要求1～7任一所述的液压系统数值模拟与参数优化设计方法，其特征在于：包括，

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述的液压系统数值模拟与参数优化设计方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述的液压系统数值模拟与参数优化设计方法的步骤。

技术总结本发明公开了一种液压系统数值模拟与参数优化设计方法及系统，涉及液压系统参数优化技术领域，包括收集液压系统工作数据，构建基于深度学习的数值模拟模型；使用高斯过程回归构建液压系统的代理模型，在代理模型上执行高效全局优化算法；使用强化学习自动调整仿真引擎参数，基于进化策略优化液压系统拓扑结构。本发明构建基于深度学习的数值模拟模型，利用从实验平台采集的高质量数据，训练出长短期记忆网络等深度神经网络模型，捕捉液压系统内在动态模式，为精确模拟系统行为奠定基础，使用高斯过程回归构建液压系统的高精度代理模型，并在代理模型上执行高效全局优化算法，快速探索全局最优参数组合。技术研发人员：田际,黄旭鹏,田祎,张雷,林伟良,唐晶,童鹏,胡远辉,肖宇俊,蒋嘉伟,汪陈威,舒文受保护的技术使用者：华能东莞燃机热电有限责任公司技术研发日：技术公布日：2024/7/29