牵引电机转子是动车组机械牵引传动系统中不可或缺的组成部分,研究其在不确定性因素影响下的动力学特性是正确评估动车组安全性和可靠性的重要指标。在研究不确定性输入对系统输出的影响时,基于蒙特卡洛仿真(Monte Carlo Simulation,MCS...
详细信息
牵引电机转子是动车组机械牵引传动系统中不可或缺的组成部分,研究其在不确定性因素影响下的动力学特性是正确评估动车组安全性和可靠性的重要指标。在研究不确定性输入对系统输出的影响时,基于蒙特卡洛仿真(Monte Carlo Simulation,MCS)的不确定性分析方法通常需要对输入变量进行大量采样并重复执行复杂的仿真模型来得到不确定性响应。与之相反,代理模型方法则试图利用机器学习理论构建原仿真模型的近似模型,利用该近似模型开展不确定性分析可以大幅度降低计算量。在诸多代理模型中,基于“结构风险最小化”以及贝叶斯推论框架建立的贝叶斯支持向量回归(Bayesian Support Vector Regression,BSVR)模型在处理高维非线性问题时具有明显优势。事实上,动车组牵引电机转子系统普遍具有模型复杂、高维度以及非线性等特点。因此,本文引入并发展了贝叶斯支持向量回归代理模型方法,利用其系统地研究了随机不确定性在动车组牵引电机转子系统动力学特性中的传播规律和作用机理。主要内容可归纳为:(1)研究了基于BSVR的高效不确定性分析方法。首先,针对BSVR代理模型的实验设计自适应选择问题,提出了一种新的自适应采样方法。结合提出的自适应采样方法和BSVR构建了一种新的自适应BSVR代理模型,并用于响应随机分析问题。利用6个不同复杂度的数学算例验证了提出自适应BSVR代理模型的有效性,结果表明,对比利用其它自适应算法建立的自适应BSVR代理模型,本文提出的新的自适应BSVR代理模型在准确性和效率方面都有更好的表现。其次,针对蒙特卡洛仿真(Monte Carlo Simulation,MCS)在计算sobol全局灵敏度指标中的高成本、低效率问题,结合多项式混沌展开(Polynomial Chaos Expansion,PCE)和BSVR提出一种新的代理模型方法PC-BSVR。该方法利用BSVR技术和多项式混沌核函数建立了完整的PCE代理模型,通过求解BSVR问题得到PCE的系数,基于求解的PCE系数,可以高效计算sobol全局灵敏度指标。数学算例和工程算例均表明,相比于MCS,提出的PC-BSVR代理模型在计算sobol全局灵敏度指标方面具有同等的精度和更高的效率。(2)研究了动车组牵引电机转子系统在初始轴弯曲和不平衡故障共同作用下的确定性动力学特性。首先基于转子动力学梁结构有限元理论,推导了轴弯曲和不平衡故障共同作用下的系统稳态动力学方程,并以一阶共振稳态响应(包括共振峰值以及共振频率)作为关键响应量建立了动车组牵引电机转子系统的确定性模型函数。进一步,在确定性模型的基础上合理考虑系统中包含的不确定参数,建立了动车组牵引电机转子系统的随机参数化模型。最后,通过分析模型参数、边界条件以及故障参数取不同值时的确定性动力学特性,定性地研究了不确定性参数对牵引电机转子共振稳态响应的影响规律,结果表明模型参数、边界条件对共振稳态响应峰值以及临界转速产生了较大影响,而故障参数仅影响共振稳态响应峰值。(3)利用提出的高效不确定性分析方法开展了动车组牵引电机转子系统共振稳态响应不确定性分析,研究了随机模型参数、边界条件参数以及故障参数对共振稳态响应的影响规律。首先,利用自适应BSVR方法对随机共振稳态响应进行了分析,研究其在服从独立正态分布的输入随机变量影响下的统计分布规律,以及随机共振稳态响应受输入随机变量变异系数的影响规律。其次,基于PC-BSVR计算了随机共振稳态响应对不确定性输入参数的全局灵敏度指标,评估了系统中各输入随机变量对输出响应不确定性的贡献度。最后,总结了相关规律。总之,本文充分考虑动车组牵引电机转子系统中包含的三类不确定性因素以及该转子系统具有的模型复杂和高维度特点,基于自适应BSVR和PC-BSVR代理模型分别完成了对动车组牵引电机转子系统共振稳态响应的随机分析以及全局灵敏度分析。
暂无评论