【技术实现步骤摘要】
本专利技术涉及压力预测，特别是涉及一种基于dnn和cgan的枢轨接触压力预测方法及系统。
技术介绍
1、在电磁轨道发射器发射过程中，枢轨接触面上的场分布极不均匀，尤其是局部区域的峰值强度接近或达到材料承受极限。在初始状态下，枢轨接触面上的电流分布主要受到接触电阻影响。这一接触电阻受到接触压力分布的调控，其变化会直接影响电流分布，从而进一步影响场的分布。初始时刻枢轨接触压力的精确化设计对电磁轨道炮在现有材料参数下“尽限用”具有重要意义。
2、电磁轨道发射器的电枢大多采用c型电枢。电枢由闭合电路产生的电磁力驱动。良好的电接触是电磁装置高效发射的保证。接触压力的缺失会造成电接触的不稳定，继而引起接触表面的熔化和起弧，从金属-金属接触转变为金属电弧接触进而造成转捩。研究表明，大多数转捩都是由于接触压力不足引起的。电枢和轨道之间的初始预紧力由电枢的弹性变形提供。对初始接触状态的研究对于了解整个发射过程中接触状态变化具有重要作用。
3、以有限元方法为代表的数值模拟方法存在计算量大、计算时间长且无法复用的问题。部分复杂仿真模型仿真计算时间动辄几十、上百小时。高昂的计算成本使得后续优化工作难以顺利开展。
4、由此可见，上述现有的压力预测方法在使用上，显然仍存在有不便与缺陷，而亟待加以进一步改进。如何能创设一种新的枢轨接触压力预测方法，成为当前业界急需改进的目标。
技术实现思路
1、有鉴于此，本公开实施例提供一种基于dnn和cgan的枢轨接触压力预测方法，至少部分
2、第一方面，本公开实施例提供了一种基于dnn和cgan的枢轨接触压力预测方法，所述方法包括以下步骤：
3、建立不同结构参数的电枢模型，并获取不同结构参数下的接触压力值和不同结构参数下对应的接触压力场图；
4、基于所述接触压力值训练dnn模型；
5、基于所述接触压力场图训练cgan；
6、基于预训练的dnn模型和cgan分别对总接触压力和接触压力分布的场图进行预测。
7、根据本公开实施例的一种具体实现方式，所述结构参数包括：参数a、参数b、参数c、参数d和参数e；其中，参数a为轨道间距的一半；参数b为过盈量；参数c为尾翼厚度；参数d为电枢尾翼长度；参数e为电枢弧度。
8、根据本公开实施例的一种具体实现方式，所述建立不同结构参数的电枢模型，并获取不同结构参数下的接触压力值和不同结构参数下对应的接触压力场图，包括：
9、通过数值模拟的方法计算装配后枢轨接触面总接触压力与接触压力分布；
10、使用参数化扫描的方法计算指定参数组合的总接触压力与接触压力分布。
11、根据本公开实施例的一种具体实现方式，所述基于所述接触压力值训练dnn模型，包括：训练阶段和推理阶段；
12、基于电枢的参数化模型和电磁轨道发射器的过盈配合模型，对初始接触情况下的接触压力进行数值模拟，得到用于训练的数据集；
13、将初始接触情况下的总接触压力划分为训练集和测试集，使用训练集对dnn模型进行训练，使用测试集对dnn模型的泛化能力进行测试。
14、根据本公开实施例的一种具体实现方式，基于所述接触压力场图训练cgan，包括：
15、将与接触压力场分布大小相同的张量与接触压力场图通道叠加作为判别器d的输入图像；
16、将所述输入图像经过4次卷积操作进行下采样，每次卷积操作后进行批标准化操作和leakyrelu激活；
17、使用全连接层将卷积网络的输出进行展开，输出一个标量值，使用sigmoid函数将结果限制在(0,1)之间，表示判断图像为真实图像的概率。
18、根据本公开实施例的一种具体实现方式，cgan的目标函数为：
19、
20、其中，g*为cgan的目标函数；λ为l1损失函数的权重；g为生成器；d为判别器；lcgan(g,d)为cgan的目标函数；l1(g)为绝对误差损失函数；
21、l1(g)＝e||g(y)-x||1
22、其中，e为期望运算符，表示对所有数据求平均；g(y)为在给定条件y下生成器生成的接触压力场图；x为真实的接触压力场图。
23、第二方面，本公开实施例提供了一种基于dnn和cgan的枢轨接触压力预测系统，所述系统包括：
24、数据获取模块，被配置用于建立不同结构参数的电枢模型，并获取不同结构参数下的接触压力值和不同结构参数下对应的接触压力场图；
25、训练模块，被配置用于基于所述接触压力值训练dnn模型；基于所述接触压力场图训练cgan；
26、预测模块，被配置用于基于预训练的dnn模型和cgan分别对总接触压力和接触压力分布的场图进行预测。
27、根据本公开实施例的一种具体实现方式，所述系统还包括：
28、dnn模型训练模块，被配置用于通过计算损失函数的梯度，利用反向传播机制优化整个网络；
29、cgan训练模块，被配置用于将与接触压力场分布大小相同的张量与接触压力场图通道叠加作为判别器d的输入图像；将所述输入图像经过4次卷积操作进行下采样，每次卷积操作后进行批标准化操作和leakyrelu激活；以及，使用全连接层将卷积网络的输出进行展开，输出一个标量值，使用sigmoid函数将结果限制在(0,1)之间，表示判断图像为真实图像的概率。
30、本公开实施例中的基于dnn和cgan的枢轨接触压力预测方法，通过模拟不同电枢结构与轨道，研究了不同电枢结构参数对枢轨接触面接触压力分布的影响。进一步，将上述模型计算结果形成数据集使用dnn和cgan分别对总接触压力和场图预测。至此，实现从结构参数到总接触压力和接触压力分布的快速预测。
本文档来自技高网...【技术保护点】
1.一种基于DNN和CGAN的枢轨接触压力预测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于DNN和CGAN的枢轨接触压力预测方法，其特征在于，所述结构参数包括：参数A、参数B、参数C、参数D和参数E；其中，参数A为轨道间距的一半；参数B为过盈量；参数C为尾翼厚度；参数D为电枢尾翼长度；参数E为电枢弧度。
3.根据权利要求1所述的基于DNN和CGAN的枢轨接触压力预测方法，其特征在于，所述建立不同结构参数的电枢模型，并获取不同结构参数下的接触压力值和不同结构参数下对应的接触压力场图，包括：
4.根据权利要求1所述的基于DNN和CGAN的枢轨接触压力预测方法，其特征在于，所述基于所述接触压力值训练DNN模型，包括：
5.根据权利要求1所述的基于DNN和CGAN的枢轨接触压力预测方法，其特征在于，基于所述接触压力场图训练CGAN，包括：
6.根据权利要求5所述的基于DNN和CGAN的枢轨接触压力预测方法，其特征在于，CGAN的目标函数为：
7.一种基于DNN和CGAN的枢轨接触压力预测系统
8.根据权利要求7所述的基于DNN和CGAN的枢轨接触压力预测系统，其特征在于，所述系统还包括：
...【技术特征摘要】
1.一种基于dnn和cgan的枢轨接触压力预测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于dnn和cgan的枢轨接触压力预测方法，其特征在于，所述结构参数包括：参数a、参数b、参数c、参数d和参数e；其中，参数a为轨道间距的一半；参数b为过盈量；参数c为尾翼厚度；参数d为电枢尾翼长度；参数e为电枢弧度。
3.根据权利要求1所述的基于dnn和cgan的枢轨接触压力预测方法，其特征在于，所述建立不同结构参数的电枢模型，并获取不同结构参数下的接触压力值和不同结构参数下对应的接触压力场图，包括：
4.根据权...
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。