(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111479710.3 (22)申请日 2021.12.0 6 (71)申请人 西安交通大 学 地址 710049 陕西省西安市咸宁西路28号 (72)发明人 谢永慧　徐涛　李云珠　张荻　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 代理人 闵岳峰 (51)Int.Cl. G06Q 10/04(2012.01) G06F 30/28(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 111/10(2020.01)G06F 113/08(2020.01) G06F 119/14(2020.01) (54)发明名称 一种适用 于泵和水力透平的物理场和性能 协同预测方法 (57)摘要 本发明公开了一种适用于泵和水力透平的 物理场和性能协同预测方法， 包括步骤： 1)获取 泵和水力透平模型几何参数并将其编码； 2)分别 获取泵和水力透平两种模式下的工况参数并获 得数值模拟结果； 3)泵和水力透平输入输 出参数 归一化； 4)针对泵和水力透平模型数据划分训练 集和验证集； 5)分别构建泵和水力透平两组物理 场和性能的协同预测点云卷积网络； 6)训练泵和 水力透平两组点云卷积神经网络； 7)性能预测信 息后处理。 本发 明实现从泵模式下的相关性能参 数到水力透平模式下相关性能参数的直接映射， 解决了传统数值模拟方法计算数据量大， 计算时 间较长的缺点， 具有数据易更改， 获得所需性能 参数较及时的优势。 权利要求书4页 说明书8页 附图3页 CN 114169605 A 2022.03.11 CN 114169605 A 1.一种适用于泵和水力透平的物理场和性能协同预测方法， 其特征在于， 包括以下步 骤： 1)获取泵和水力透平模型几何参数并将其编码 获取的叶片的几何参数为控制叶片的安装角 α， 叶片数量a以及控制叶片B ezier曲线的 B个点的坐标(x， y， z)， 每一个泵对应一个叶片， 由于泵和水力透平两种模式下采用的是相 同的叶片， 由此得到两种模式下的初始几何参数集合都为 根据获得的I个泵的几何参 数进行建模， 对每一个网格模型， 获取其网格节点信息Gi， p， q， 将网格节点信息Gi， p， q与叶片 的初始几何参数集合 整合得到几何参数集合Ai， j， 并采用编码器 ‑解码器组合对几何参 数进行编码， 编码器Encoder将叶片的几何参数集合Ai， j映射为一个固定长度的向量的形 式， 解码器Decoder将编码获得的向量解码为几何参数集合Ai， j， 将编码器获得的I个叶片的 向量组合构成了叶片的间接几何参数集合Ai， f； 其中， i＝1， 2， 3， ...， I， 代表不同的泵， I为 泵的总数， j＝1， 2， 3， ...， J， 代表不同的几何参数， J为几何参数的总数， p＝1， 2， 3， ...， P， 代表不同的网格节 点， P为网格节 点总数， q为每个网格节点的坐标， 包含x方向、 y方向和z方 向的坐标， 若为二维模型， 则包含x方 向和y方向的坐标， f＝1， 2， 3， ...， F， 代表不同的间接 几何参数变量， F为间接几何参数变量的总数； 2)分别获取泵和水力透平两种模式下的工况参数并获得 数值模拟结果 泵和水力透平的工况参数包括泵和水力透平两种模式运行时的机械转速ωR、 泵和水力 透平两种模式下的进口压力Pin和进口温度Tin； 对每一种泵， 在两种模式下， 分别采用拉丁 超立方采样方法在各自参数空间随机采样D个工况， 由此泵模式下的工况参数集合为Bi， d， 水力透平模式下的工况参数集合为Ci， d， 并将每一种泵模型在两种模式下分别进 行D个工况 点的CFD计算， 获得每一个叶片在泵模式下的三维物理场数据集合 和水力透平模式下 的三维物理场数据结合 根据物理场参数计算得到泵模式下不同泵的性能参数集合 和水力透平模式下的性能参数集合 其中， d＝1， 2， 3， ...， D， 代表不同的工况参 数， D为每种模式下需要计算的工况点总数， n＝1， 2， 3， ...， N， 代表不同的物理场， 包括速 度、 温度、 压力和涡量， N 为记录的流场参数总数， m＝1,2， 分别代 表效率和水头； 3)泵和水力透平输入输出参数归一 化 将简化后的集合以及其他数据进行归一化操作， 需要归一化的输入数据集合为{Ai,f, Bi,d,Ci,d}， 物理场集合为 性能参数集合为 归一化之后的输入数 据集合为 物理场集 合为 性能参数集 合为 4)针对泵和水力透平模型 数据划分训练集和验证集 对于点云这一类的神经网络， 输入数据集合为 将输入数据集合 随 机 打 乱 ，并 将 输 入 集 合 按 照 2 ：2 ：1 的 比 例 分 为 训 练 集 验证集 和测试集 同权　利　要　求　书 1/4 页 2 CN 114169605 A 2样 的 ， 物 理 场 集 合 按 相同 的 比 例 分 为 和 性能参数集合同样分为 和 5)分别构建泵和水力透平两组物理场和性能的协同预测点云卷积网络 构建泵物理场和性能预测与 水力透平物理场预测和性能预测两组网络， 每组包含两个 点云卷积神经网络； 对第一组泵物理场和性能预测网络， 第一个P_Net1点云卷积神经网络 根据泵模式下 的输入集合 预测得到泵模式下 的物理场集合 实现泵模式 下由设计变量即几何参数和工况参数到泵物理场的映射， 第二个P_Net2点云卷积神经网络 输入为P_Net1网络预测得到的泵物理场集合 预测得到泵模式下的性能参数集合 实现由泵物理场到泵性能参数的映射； 对第二组水力透平物理场和性能预测网络， 第一个T_Net1点云卷积神经网络根据水力透平模式下的输入集合 预测得到水力 透平模式下 的物理场 实现水力透平模式下由设计变量到水力透平物理场的映射， 第二个T_Net2点云卷积神经网络输入为T_Net1网络预测得到的物理场 预测得到水 力透平模式下的性能参数集合 实现由水力透平物理场到水力透平性能参数的映 射； 6)训练泵和水力透平两组点云卷积神经网络 7)性能预测信息后处 理 根据两个部分的输出集合 和 建立泵模式下的性能参数与水力透平模式 下性能参数之间的直接联系， 实现泵模式下效率到水力透平模式下效率之间的直接映射， 同时获得泵和水力透平的相关物理场分析， 进行进一 步的分析。 2.根据权利要求1所述的一种适用于泵和水力透平的物理场和性能协同预测方法， 其 特征在于， 还 包括以下步骤： 8)算法维护 在实际运用过程中， 若需要输入的信 息增加或减少， 则采用编码器和解码器， 将原输入 信息映射为固定尺寸的向量作为新输入， 采用已经训练完 毕的泵和水力透平物理场和性能 预测共四组点云卷积网络作为预训练模型， 在此基础上重新进行训练。 3.根据权利要求1所述的一种适用于泵和水力透平的物理场和性能协同预测方法， 其 特征在于， 步骤1)中， 编码器Encoder和解码器Decoder均采用全连接层构建网络， 编码器 Encoder构造编码映射函数实现从几何参数集合Ai,j到一个固定长度的向量的编码映射， 解权　利　要　求　书 2/4 页 3 CN 114169605 A 3