CN115828783A - 一种水闸流激振动智能规避方法及系统 - Google Patents
一种水闸流激振动智能规避方法及系统 Download PDFInfo
- Publication number
- CN115828783A CN115828783A CN202211552751.5A CN202211552751A CN115828783A CN 115828783 A CN115828783 A CN 115828783A CN 202211552751 A CN202211552751 A CN 202211552751A CN 115828783 A CN115828783 A CN 115828783A
- Authority
- CN
- China
- Prior art keywords
- sluice
- flow
- model
- vibration
- gate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种水闸流激振动智能规避方法及系统,根据数值模拟结合敏感性分析、测点和控制器优化布置算法,实现风、雨、水以及温度、姿态和振动传感器测点优化和阻尼器的布置优化,从而实现水闸振动影响因素风雨及水流、以及水闸状态和振动效应的感知和水闸位置、振动、变形、姿态、温度等水闸振动诱因及响应的感知,再经过简化故障树的部分可观马尔可夫决策过程建立轻量化智能规避算法,通过控制减震阻尼器件的协同工作从而实现水闸振动智能规避。
Description
技术领域
本发明属于水利水电水运工程技术领域,涉及一种水闸流激振动智能规避方法及系统。
背景技术
水利水电水运和水资源优化配置工程中的输水、泄水、引水和调水系统等各种过水通道上,水闸作为调节上下游水位、拦截洪水、控制流量、排放泥沙、放运船只等的关键设施,发挥着蓄水、引水、排洪(涝)、挡潮等重要功能。水闸不仅功能广,而且还具有效益大、安全要求高和数量多等特点,仅以水闸和水库为例,根据全国水利普查结果,截至2021年我国已建过闸流量≥5m3/s的水闸有103575座,而水库大坝则近10万座,大多数水库都配置有泄洪放水闸或发电引水闸。总之,水闸对防洪安全、水资源优化配置、航运安全、粮食安全、生态安全、社会和经济发展发挥着不可替代的作用。
当存在风、雨、水流、波浪、缝隙泄漏等流激、泵站阀门机组诱导、闸门启闭升降过程诱发、外物冲击碰撞、地震激励等外激时容易引起振动甚至共振,其中共振不仅包括由于外界激励频率与结构固有频率相同时候引起的受迫共振,还包括由于结构本身动力特征引起的参数共振、内共振以及组合共振等。当振动幅度、频率或相位及其组合超过一定范围时将对水闸的安全性、耐久性或可操控性产生不利影响甚至破坏从而形成有害振动。水闸的有害振动不仅加剧设备设施损伤老化,而且容易诱发共振,甚至危及闸门正常运行、结构安全乃至人民生命财产安全。尤其是汛期,一旦有害振动导致水闸不能正常泄洪将产生灾难性后果,因此对水闸有害振动进行规避并设计相应的监控系统对水闸振动状态进行调控具有十分重要的科学和工程意义。上述诱发振动中以流激振动更为普遍,尽管目前针对流激励的研究不少,但这些研究大多只是分析了振动成因,给出了一些克服或减少振动的经验做法和建议;或给出了一些监测系统配置或进行临时动力检测。综上所述,目前尚未有成套关于流激振动监测与规避方面的实用先进的系统解决方案。
为实现水闸危害振动规避的智能化、体系化和标准化,本发明根据水闸所处运行环境及其振动诱导因素,建立热流固耦合动力数学模型,基于概率估计和重要性抽样结合蒙特卡洛随机有限元获取水闸输入输出敏感要求,建立感知与振动规避系统,在此基础上实现水闸感知、动力响应和振动控制测点和控制装置的优化布置和预训练样本。应用轻量化简化故障树的部分可观马尔可夫决策模型(POMDP)/强化学习(RL)实现水闸运行过程中的振动规避。
发明内容
针对现有技术缺陷和不足,本发明公开了一种水闸流激振动智能规避方法及系统,通过基于数值模拟优化感控系统配备,采用简化故障树的部分可观马尔可夫决策/强化学习算法,实现水闸有害振动状态全过程智能化实时感知和规避。其中,感知振动是通过相应的传感器对作用在水闸上的风雨水流荷载以及水闸运行状态和振动响应的感知;规避是根据是通过部分可观马尔可夫决策模型/强化学习中的奖惩函数自动识别并通过闸门启闭力、阻尼设施等动作器的优化控制得以实现。
为达到上述目的,本发明的技术方案如下:
本发明根据数值模拟结合敏感性分析、测点和控制器优化布置算法,实现风、雨、水以及温度、姿态和振动传感器测点优化和阻尼器的布置优化,从而实现水闸振动影响因素风雨及水流、以及水闸状态和振动效应的感知和水闸位置、振动、变形、姿态、温度等水闸振动诱因及响应的感知,再经过简化故障树的部分可观马尔可夫决策过程建立轻量化智能规避算法通过控制减震阻尼器件的协同工作从而实现水闸振动智能规避。
本发明的有益效果为:
本发明根据水闸所处运行环境及其振动诱导因素,建立热流固耦合动力数学模型,基于概率估计和重要性抽样结合蒙特卡洛随机有限元获取水闸输入输出敏感要素和减震阻尼的优化布置,在此基础上通过采用简化故障树的部分可观马尔可夫决策/强化学习算法实现水闸感知、动力响应和振动控制装置动作协调实现振动规避。其中简化故障树的部分可观马尔可夫决策/强化学习算法初始概率根据经验以及基于Copula函数估计条件概率获得并获得POMDP预训练模型。将预训练模型和响应硬软件部署在真实水闸,经过典型周期考验经合格后进行正式运行,实现水闸危害振动规避的智能化、体系化和标准化。
附图说明
图1为本发明提供的水闸流激振动智能规避方法整体流程示意图。
图2为数值模拟区域示意图。
图3为马尔科夫决策模型总算法流程示意图。
图4为子程序函数算法2流程示意图。
图5为子程序函数算法3流程示意图。
具体实施方式
以下将结合具体实施例对本发明提供的技术方案进行详细说明,应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
本发明提供了一种水闸流激振动智能规避方法,其流程如图1所示,包括如下步骤:
步骤1,收集水闸位置(用于分析当地水文地质气象气候条件)、结构材料(包括闸室、底板、闸墩、挡墙、闸门金属结构、机电设备等位置数据)、风雨荷载、闸门开度(包括组合及开启高度)、流速流量、上下游水头等运行环境数据,各启闭机电设备可控制参数,以及本工程和类似工程计算、静动力响应结果和失效模式。
步骤2,根据质量守恒、动量守恒和能量守恒建立热流固耦合水闸动力分析模型。根据水闸结构特征、运行环境和调度(调度指对闸门的控制,如调整开孔度等)包括历史上振动情况,分析水闸振动原因,明确引起有害振动的内外因素及其响应特征,其中内部因素包括水闸结构、材料、动弹模、动刚度、阻尼和控制力分布等动力参数,外界因素包括风雨激振、水流冲击、波浪砰击、缝隙泄漏。收集外部影响因素的统计数据采用概率拟合核估计等方法建立各外部因素相应的概率模型;在此基础上根据水闸设计使用寿命(年)确定相应时间分位点上各外部因素的(极小极大值)变化区间以及下一步随机有限元抽样依据。各种外部影响因素的区间估计可以采用极大极小模型估计、广义极值分布函数(包含了Frechet分布、Weibull分布、Gumbel分布)进行估计。其中模型参数估计可采用矩估计法、最大似然估计法及概率加权矩估计法,优先采用基于观测值序列结合最优化算法的最大似然估计。根据水闸振动的力学模型建立水闸-流体激励作用下热流固耦合方程。(具体为下面各模型的联立)
本发明中以水闸为受力对象,其荷载包括风雨激励、静动水及波流作用力、温度荷载、重力、惯性力、阻尼力以及支撑作用力。降雨时通过利用浸润理论、Prandtl边界层理论和静水边界层理论重新研究了闸门表面与水线之间的相互作用力模式,采用库仑阻尼力和粘滞线性阻尼力计算公式。
为方便叙述,根据模型中各区域特点建立相应数学模型,分别说明如下:
(1)主题结构水闸模型(区域Ω0)
水闸作为钢筋混凝土和金属闸门组成的组合结构,其模型动力模型包括动力守恒方法和能量守恒方程,其中动力学分析平衡方程为:式中,[M]为钢筋混凝土以及金属结构等质量矩阵;[M]{ü}反映了惯性效应,{ü}为节点位移对时间二阶导数矩阵;[C]为阻尼矩阵,包括结构本身、水体、支撑以及减振器件的阻尼;反映了阻尼效应,t为时间;F[t]为荷载列阵,包括外界对对象的作用力,如重力、压力、摩擦力、支撑力等。
(2)风雨两相流模型(区域Ω1)
考虑风雨耦合作用下对水闸的作用,采用两相流模型。两相流模型包括质量守恒、动量守恒模型和能量守恒方程,具体形式如下:
式中:k表示相编码,当k=a代表气相,k=l代表液相。ρk代表k相密度,uk代表k相速度,g表示重力加速度,σk为剪应力张量,ωk为水气相间力,p为各相压力标量,ek为比热力学能,K为导热系数,T为温度,Q为内部热源。
以上方程是基于欧拉模型的完整水气两相流流动方程描述,通过求解数学模型能够得到两相流体流动过程中的各物理力学参数,如速度、压力、温度等。
(3)水面以下采用风波流耦合模型(区域Ω2)
式中:x,y,z为笛卡尔坐标系空间坐标点;t为时间;u,v,w为流体在x,y,z方向上的速度分量;ρ为真实水体密度,g为重力加速度。
波浪运动是流体运动的一种形式,因此波浪运动必须满足流体运动方程,且认为水流无粘性且不可压缩,在重力场中还满足连续性方程。
(4)在规程约束条件下闸门任意开度的水闸过流流量计算数学模型
闸孔自由出流状态的过闸量计算公式:Garbrecht公式:杜屿公式:式中μ0为孔刘流量系数,可由Garbrecht经验公式或杜屿经验公式计算得到;b为闸门宽度;e为闸门开度;H0为闸前水位;为相对开度。
为求得定解,在固液气交接处划定边界条件与初始条件,分别施加约束,其中边界条件依据流固耦合理论设定,初始条件为稳定状态下的计算结果。
步骤3,水闸实测响应数据收集,收据收集后进行粗差判别从而剔除错误数据。错误数据的判别根据仪器测量原理结合测值的物理意义,根据数据的关联性和合理性对实测数据进行判定。
步骤4,对于有实测响应数据的水闸,采用实测数据对水闸力学和热力学参数进行反演、数据同化或模型修正,从而保证模型和计算参数的正确性。对于无实测数据水闸采用现场超声检测等手段或借助类似工程经验获取计算参数。
步骤5,振动感知及减震系统优化。根据上述数学模型结合工程经验,进行感知测点的优化和减震设备设施的优化布置。
步骤5.1,水闸上下游水位、气温、风速风向、雨强等根据相关规范进行测点布置,流态、姿态、位置根据代表性、最大幅值和最对振动最敏感性原则布置,传感器的布置方法采用三维有效独立法、有效独立-驱动点残值法、QR-MAC混合算法进行优化布置。相应的传感器包括上下游雷达水位计、风速风向仪、雨滴谱仪、雨向雨强仪、断面流速仪、水面流态视频摄像头、水闸三维振动响应仪(包括加速度、姿态和动位移传感器)、启闭力传感器、闸门开度传感器以及自由场地震响应传感器。
步骤5.2,对减震设备装置进行优化布置。减震设备装置包括质量调谐阻尼器、调频液体阻尼器、位移型阻尼器、速度型阻尼器、电磁惯性质量阻尼器以及AMD主动控制器等。优化布置采用基于遗传算法或连续搜索法的优化布置方法进行优化布置。
步骤6,采用有限元对步骤2建立的数学模型进行计算,以获得下一步POMDP模型初始参数或预训练样本。为减少计算量,不是对所有变量都进行随机化处理,而是对于计算定解条件中的部分不确定程度大、变化幅度大或对振动比较敏感的物理量采用随机抽样方法进行蒙特卡洛随机抽样。
步骤6.1,关键变量抽样
(1)根据水闸上下游水位区间、风速区间、雨强区间、闸门开度区间以及闸门数量等不同组合,根据均匀设计组合时程得到不同工况条件下水闸动力响应时程,当水闸振幅明显增加、姿态明显大幅突变或振动频率明显变化即判定为共振条件。根据敏感分析结果,采用动力凝聚等动力优化方法确定加速度传感器、姿态传感器和位置传感器的布设位置。
(2)采用水闸上下游耦合风雨作用三维河道水动力波流耦合模型计算不同闸门开度以及上下游水位组合下水闸动静力响应、缝隙流量及下泄流量,通过优化后的减振措施计算获取不同组合条件下水闸减震效果及其可观测量。
步骤6.2,水闸动力响应采用区域分解法进行数值计算,对于金属闸门采用子结构法进行数值计算,各典型区域和关键处理方法如下:
(1)水闸上方风雨区域应用SSTk-ε湍流模型,数值模拟不同攻角下水闸断面的三分力系数,给出了断面周围流场的压强与速度分布图并进行分析。采用欧拉—欧拉体系的两相流理论,将雨滴场作为连续介质场,对于恒定非大风暴雨采用雷诺平均方法得到了在不同雨相粒径、不同风速下的雨相流线图,模型表面的雨滴捕获率、冲击荷载等。对于狂风暴雨采用大涡模拟方法得到顺风向、横风向和扭转向的荷载时程数据和力谱。其中风场采用Kaimal谱和Lumley-Panofsky谱;雨滴谱再现方法Rosin-Rammler预设函数法和CFD自定义函数法两种,以雨强换算及雨滴谱建立基于双参数的风雨耦合场数值模拟方法。
(2)对于水闸上下游水体、波浪和风雨混合场采用欧拉-欧拉体系的两相流理论,将雨滴场作为连续介质场,对水闸周围的风雨运动进行三维数值模拟。采用雷诺平均方法得到了在不同雨相粒径、不同风速下的雨相流线图,模型表面的雨滴捕获率、冲击荷载等。采用大涡模拟方法得到顺风向、横风向和扭转向的荷载时程数据和力谱。结合ALE(任意拉格朗日-欧拉方法)界面追踪技术采用线状质量源造波方法闸门水中运动的数值模拟;同时基于VOF(体积分数法)界面捕捉技术建立了水气界面追踪。基于VOF方法建立了风-浪联合场数值模型,通过试验和数值模拟结果的对比分析,验证了数值方法的适用性。近壁区内的流动计算及低Re数时的流动计算解决方法有两种,一种是采用壁面函数法,另一种是采用低Re数的k-ε模型。
(3)对于启闭绳索或柔性室外结构基于EWF模型和欧拉-拉格朗日离散相模型,并采用增强型壁面法,结合动网格技术,进而建立了结构风雨联合作用数值模拟方法分析了水闸风雨作用下的动力特性。
(4)水闸及风雨水荷载整体网格建立过程中运用“刚性运动区域+动网格区域+静止网格区域”的方法首先对其进行分块,如图2所示,然后将Newmark-β法代码编写入FLUENT的用户自定义函数(UDF)中对结构的振动响应进行求解,结合FLUENT软件中的动网格技术建立了结构涡振数值模拟方法。
(5)拉格朗日和欧拉变量之间通过近似光滑δ函数转换,即将有限单元节点上的固体力密度通过单元形函数分配到单元的高斯积分点上,然后再将近似光滑δ函数支持域内高斯积分点上的固体力密度转换到流体单元上。同样,欧拉网格上的流体速度先通过δ函数转换到固体单元的高斯积分点上,然后通过单元形函数求固体节点的速度,近而求得固体的位移。
步骤6.3,整体分区计算与边界层处理。
风雨水流波热共同作用下的水闸静动力响应采用区域分解结合子结构方法,选取的河道上下游计算范围对水闸振动计算结果稳定,静力边界采用流量、水位和压力边界,动边界条件采用无反射边界。水闸上下游截取一定的河段长度、一定高度和一定深度选取一定的计算区域,上面高程是水闸对风雨影响可以忽略不急的高度,深度方向是水闸包括桩基在各种荷载作用下应力和变形状态可以忽略的深度,上下游区域是水闸流态、流场影响可以忽略的长度。流场顶部:采用对称边界条件,等价于自由滑移的壁面;水闸断面及地面:采用无滑移的壁面条件。选取了标准的k-ε模型或改进模型,采用有限体积法耦合有限元法计算。
步骤6.4,数值计算危害振动判别,判别方法包括幅值判别法、相位判别法、位移判别法、速度判别法、加速度判别法。
步骤7,建立POMDP模型,定义向量M=(S,A,O,T,Z,R,B),其中S、A、O分别表示状态向量、动作和贯彻向量。其中S对应水闸系统的的状态集合,包括各孔水闸上下游水位、风雨、开度、流速、流量、缝隙宽度;A对应闸门启闭及减震动作集合(启闭力、支撑力、密封力、阻尼等),即具有对水闸振动产生“力”或“作用”并能通过控制系统实施条件控制的变量。O表示监测仪器获取的观测物理量,如振动加速度矢量集合。T状态间的相互转移概率分布;Z表示观测概率分布;R表示获得的奖励;B表示初始时刻的在状态集合S分布。
根据步骤6经过多次计算获取足够数量的样本,根据样本计算以下概率分布T(s,a,s')=Pr(s'|s,a)表示状态转移概率,即在状态s下执行动作a后,转移到其他状态s'的概率分布;Z(s,a,o)=Pr(o|s,a)表示观测概率,即在状态s下执行动作a后,获得观测值o的概率分布;R(s,a)表示在状态s下执行动作a所获得的奖励;B表示初始状态分布,即在初始时刻智能体在状态集合S上的分布。(用于建立马尔科夫决策模型)
建立惩罚和奖励函数;有下列之一的振动为有害振动,其将受到相应惩罚,其惩罚大小分别为,当两种现象同时出现时,惩罚取严厉的数值,奖励取小值。设定阈值部署后得到。奖励的场景和相应数值如下:
(1)没有可以超过传感器灵敏度的振动:+5;
(2)出现超过传感器灵敏度的但既在允许范围之内且振幅越来越小:+4;
(3)出现超过传感器灵敏度的但既在允许范围之内且平稳不增加:+2;
(4)出现超过传感器灵敏度的且振动幅度大于某一定值:-5;
(5)出现超过传感器灵敏度的且出现结构之间撞击和磨损:-10;
(6)出现超过传感器灵敏度的且出现共振:-10(采用B-R动力稳定准则);
(7)出现超过传感器灵敏度的且出现共振且振幅越来越大:-15。
步骤8,部分可观马氏决策模型预训练和实地训练
预训练采用步骤6的计算样本,实际应用采用现场布置的传感器和动作器实际演练和实测样本,具体训练过程如图3所示,其输入包括:
β:初始信念,B的初始值,通过随机有限元样本估计或预训练获得;
ε0:μ(b0)和l(b0)之间的目标距离,通过下面迭代获得;
ξ:目标距离缩小率,根据经验或试算确定;
K:采样场景的数量,根据水闸不同调度情况确定;
D:DESPOT的最大深度,根据收敛情况确定;
λ:正则化常数,根据经验或试算确定;
Tmax:每步最大在线规划时间,根据经验或试算确定。
具体迭代步骤如下:
(1)由β初始化一个信念b;
(2)执行(3);
(3)执行子函数1:BUILDDESPORT(b),创建一个新的树l;
(4)计算使得l(b,a)值最大的行动分支a*=maxa∈Al(b,a);
(5)判断是否满足条件L0(b)>l(b,a*),若满足则执行(6),否则执行(7);
(6)更新行动分支a*为π0(b);
(7)执行a*;
(8)接受观测分支z;
(9)增加子结点b=Т(b,a*,z)。
其中各子函数说明如下:
子函数1:BUILDDESPORT(b0)功能为创建一个新的树,包括如下流程:
②创建一个新的DESPOTD,其中一个结点b作为根结点;
③初始化上下界U(b0),L0(b0),μ(b0),l(b0);
⑥执行子函数2:EXPLORE(D,b0),进行启发式探索节点b;
⑦在沿途每个结点上执行上下界备份,备份每个从b到D路径上的结点x的上下界和距离,μ(x),l(x),U(x);
⑧计算上下界距离ε(b0)=μ(b0)-l(b0),随后执行⑤;
⑨返回创建的树l。
子函数2:EXPLORE(D,b)流程如图3所示,功能为进行启发式探索,扩展D,缩小上下边界,其流程如下:
①如果树的高度Δ(b)≤D且超额不确定性E(b)>0,以及子函数3PRUNE(D,b)返回无法修剪的结果FALSE,则执行下面②,否则执行下面⑦;
②判断b是否为D的叶节点,若是则执行下面③,否则执行下面④;
③在结点b和其父结点之间插入结点b′,使其成为新的父结点并初始化b′的上下界;
④确定行动分支最优a*=argmaxa∈Aμ(b,a);
⑥确定新的结点b=τ(b,a*,z*),之后执行1;
⑧重置边界来精简搜索,上界U(b)=L0(b0),下界u(b)=l0(b0),距离l(b)=l0(b0);
⑨返回节点b。
子函数3:PRUNE(D,b)流程如图4所示,其功能为:从b一直往回到根剪枝,随着边界的更新,新的结点可能满足修剪的条件并被修剪掉。子函数3流程步骤如下:
①初始BLOCKED=FALSE;
②遍历结点b到根结点D中的每一个结点x,若遍历未结束则执行下面③,若遍历结束则执行下面⑨;
③判断结点x是否被任意祖先结点阻挡,若被阻挡则执行下面④,否则执行下面⑨;
④重置边界以精简搜索上界U(b)=L0(b0),下界u(b)=l0(b0),距离l(b)=l0(b0);
⑤在沿途每个结点上执行上下界备份,备份每个从b到D路径上的结点x的上下界和距离,μ(x),l(x),U(x);
⑥BLOCKED置为TRUE;
⑦执行2;
⑧执行9;
⑨返回BLOCKED。
步骤9,训练及收敛稳定性分析
根据部分可观马尔可夫模型训练收敛条件进行判断,当满足收敛条件时即相邻多次迭代结果稳定其差值在预设范围内可停止训练。
步骤10,合格性判断
根据预训练模型与仿真计算结果对比对POMDP模型的有效性、鲁棒性和泛化能力进行分析判断。满足条件则进入下一步,否则返回步骤8。
步骤11,硬软件系统及训练好的模型现场部署。
当数值仿真模型的有效性、鲁棒性和泛化能力满足条件时则进行现场部署。根据模型反馈结果得到闸门启闭力和阻尼设施控制参数(由部分可观马尔可夫模型的训练收敛时得到),此时通过控制实际物理闸门启闭和阻尼设施运作实现水闸减振,并预留紧急情况人工控制端口。
步骤12,现场模拟运行
根据水闸所处位置的气象、天气和河道水文特征,分析典型水闸荷载特征,确定水闸经过1年以上典型代表性年的时间现场运行。在现场模拟运行过程中实时监控系统实际效果,当出现系统无法控制的振动时,立即采用人工方法进行振动规避。
步骤13,动态监测数据分析
对系统现场模拟效果进行分析,分析系统控制能力和实际减震效果。
步骤14,合格性判别
采用1年以上典型工况和模拟极端工况进行不同组合检验,判断自动控制系统的实际效果。如合格则将系统投入正式运行,否则修改完善水闸数学模型。
本发明还提供了智能规避系统,可有效降低有害振动对水闸的安全性、耐久性和正常运行造成的影响。智能规避系统包括:
模型修正/数据同化及数值计算分析子系统,用于实测数据和数学模型之间的数据同化,从而保证数学模型、计算参数和定解条件的有效性。采用经过同化后的数值模型进行水闸的动静力耦合作用下的水闸时程分析和敏感性分析,从而为动态监测的测点和控制器优化提供基础。同时基于材料强度容限和稳定条件,对闸门位置、姿态和启闭力时程区间进行限定;子系统包括计算服务器、图形服务器、计算和显示工作站等。实现水闸流激振动智能规避方法中步骤2、4功能。
感知控制子系统,用于感知水闸动静荷载等外界激励和自身加速度、动静位移和姿态等响应;相应传感器包括水闸闸门上下游流态图像视频双光传感器、缝隙射流流速流量传感器、风速风向传感器、雨量计、雨向和雨滴谱传感器、闸门启闭力及姿态传感器(三向倾角传感器)、水闸及闸门三向位移传感器、闸门相对位置三向激光测距仪、闸门上下游水位计及流速仪器,其中水位计采用雷达水位计,流速仪采用声学相控阵/多波束水下流速和地形测量仪。实现水闸流激振动智能规避方法中步骤3、5功能。
基于数据-知识混合驱动的智能诊断、评估和决策支持系统,内置智能信号去噪、增强、特征提取及部分可观马尔可夫决策/强化学习算法,通过融合感知信息和相关知识,采用机器学习和试错方法实现水闸有害振动的智能规避。实现水闸流激振动智能规避方法中步骤6-14功能。
三维可视化子系统用于进行水闸及其共振场景BIM+GIS模型构建,采用三维可视化引擎和增强现实技术,通过实测数据和力学/水动力学模型混合驱动,实现水闸振动当前状态、演化方向和失事后果等进行高保真展示。
需要说明的是,以上内容仅仅说明了本发明的技术思想,不能以此限定本发明的保护范围,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰均落入本发明权利要求书的保护范围之内。
Claims (9)
1.一种水闸流激振动智能规避方法,其特征在于,包括如下步骤:
步骤1,收集水闸运行环境数据及各启闭机电设备可控制参数,以及本工程和相关工程计算、静动力响应结果和失效模式;
步骤2,根据水闸振动的力学模型建立水闸-流体激励作用下热流固耦合方程,以水闸为受力对象,其荷载包括风雨激励、静动水及波流作用力、温度荷载、重力、惯性力、阻尼力以及支撑作用力,具体建立以下模型:
(1)主题结构水闸模型
水闸动力模型包括动力守恒方法和能量守恒方程,其中动力学分析平衡方程为:
式中,[M]为钢筋混凝土以及金属结构等质量矩阵;反映了惯性效应,为节点位移对时间二阶导数矩阵;[C]为阻尼矩阵,包括结构本身、水体、支撑以及减振器件的阻尼;反映了阻尼效应,t为时间;F[t]为荷载列阵,包括外界对对象的作用力;
(2)风雨两相流模型
考虑风雨耦合作用下对水闸的作用,采用两相流模型;两相流模型包括质量守恒、动量守恒模型和能量守恒方程,具体形式如下:
能量守恒方程:
式中:k表示相编码,当k=a代表气相,k=l代表液相,ρk代表k相密度,uk代表k相速度,g表示重力加速度,σk为剪应力张量,ωk为水气相间力,p为各相压力标量,ek为比热力学能,K为导热系数,T为温度,Q为内部热源;
(3)水面以下采用风波流耦合模型
式中:x,y,z为笛卡尔坐标系空间坐标点;t为时间;u,v,w为流体在x,y,z方向上的速度分量;ρ为真实水体密度,g为重力加速度;
(4)在规程约束条件下闸门任意开度的水闸过流流量计算数学模型
步骤3,水闸实测响应数据收集,收据收集后进行粗差判别从而剔除错误数据;
步骤4,对于有实测响应数据的水闸,采用实测数据对水闸力学和热力学参数进行反演、数据同化或模型修正,从而保证模型和计算参数的正确性;
步骤5,进行感知测点的优化和减震设备设施的优化布置;
步骤6,采用有限元对步骤2建立的数学模型进行计算,以获得下一步POMDP模型初始参数或预训练样本;对于计算定解条件中的部分不确定程度大、变化幅度大或对振动比较敏感的物理量采用随机抽样方法进行蒙特卡洛随机抽样;
步骤7,建立POMDP模型,定义向量M=(S,A,O,T,Z,R,B),其中S、A、O分别表示状态向量、动作和贯彻向量;O表示监测仪器获取的观测物理量;T状态间的相互转移概率分布;Z表示观测概率分布;R表示获得的奖励;B表示初始时刻的在状态集合S分布;
根据步骤6经过多次计算获取足够数量的样本,根据样本计算以下概率分布T(s,a,s')=Pr(s'|s,a)表示状态转移概率,即在状态s下执行动作a后,转移到其他状态s'的概率分布;Z(s,a,o)=Pr(o|s,a)表示观测概率,即在状态s下执行动作a后,获得观测值o的概率分布;用于建立马尔科夫决策模型;
建立惩罚和奖励函数;有下列之一的振动为有害振动,其将受到相应惩罚,其惩罚大小分别为,当两种现象同时出现时,惩罚取严厉的数值,奖励取小值:
(1)没有可以超过传感器灵敏度的振动:+5;
(2)出现超过传感器灵敏度的但既在允许范围之内且振幅越来越小:+4;
(3)出现超过传感器灵敏度的但既在允许范围之内且平稳不增加:+2;
(4)出现超过传感器灵敏度的且振动幅度大于某一定值:-5;
(5)出现超过传感器灵敏度的且出现结构之间撞击和磨损:-10;
(6)出现超过传感器灵敏度的且出现共振:-10(采用B-R动力稳定准则);
(7)出现超过传感器灵敏度的且出现共振且振幅越来越大:-15;
步骤8,部分可观马氏决策模型预训练和实地训练
预训练采用步骤6的计算样本,实际应用采用现场布置的传感器和动作器实际演练和实测样本,进行训练;模型输入包括:
输入包括:β:初始信念,B的初始值,通过随机有限元样本估计或预训练获得;ε0:μ(b0)和l(b0)之间的目标距离,通过下面迭代获得;ξ:目标距离缩小率,根据经验或试算确定;K:采样场景的数量,根据水闸不同调度情况确定;D:DESPOT的最大深度,根据收敛情况确定;λ:正则化常数,根据经验或试算确定;Tmax:每步最大在线规划时间,根据经验或试算确定;
具体迭代步骤如下:
(1)由β初始化一个信念b;
(2)执行(3);
(3)执行子函数1:BUILDDESPORT(b),创建一个新的树l;
(4)计算使得l(b,a)值最大的行动分支a*=maxa∈Al(b,a);
(5)判断是否满足条件L0(b)>l(b,a*),若满足则执行(6),否则执行(7);
(6)更新行动分支a*为π0(b);
(7)执行a*;
(8)接受观测分支z;
(9)增加子结点b=Т(b,a*,z);
步骤9,训练及收敛稳定性分析
根据部分可观马尔可夫模型训练收敛条件进行判断,当满足收敛条件时停止训练;
步骤10,合格性判断
根据预训练模型与仿真计算结果对比对POMDP模型的有效性、鲁棒性和泛化能力进行分析判断;满足条件则进入下一步,否则返回步骤8;
步骤11,硬软件系统及训练好的模型现场部署
当数值仿真模型的有效性、鲁棒性和泛化能力满足条件时则进行现场部署;根据模型反馈结果得到闸门启闭力和阻尼设施控制参数,此时通过控制实际物理闸门启闭和阻尼设施运作实现水闸减振,并预留紧急情况人工控制端口。
2.根据权利要求1所述的水闸流激振动智能规避方法,其特征在于,还包括如下步骤:
步骤12,现场模拟运行
根据水闸所处位置的气象、天气和河道水文特征,分析典型水闸荷载特征,确定水闸经过1年以上典型代表性年的时间现场运行;在现场模拟运行过程中实时监控系统实际效果,当出现系统无法控制的振动时,立即采用人工方法进行振动规避;
步骤13,动态监测数据分析
对系统现场模拟效果进行分析;
步骤14,合格性判别
采用1年以上典型工况和模拟极端工况进行不同组合检验,判断自动控制系统的实际效果;如合格则将系统投入正式运行,否则修改完善水闸数学模型。
3.根据权利要求1所述的水闸流激振动智能规避方法,其特征在于,所述步骤1中,水闸运行环境数据至少包括:水闸位置、结构材料数据、风雨荷载、闸门开度、流速流量、上下游水头数据,所述结构材料数据至少包括:闸室、底板、闸墩、挡墙、闸门金属结构、机电设备的位置数据,所述闸门开度至少包括闸门组合及开启高度。
4.根据权利要求1所述的水闸流激振动智能规避方法,其特征在于,所述步骤3中错误数据的判别根据仪器测量原理结合测值的物理意义,根据数据的关联性和合理性对实测数据进行判定。
5.根据权利要求1所述的水闸流激振动智能规避方法,其特征在于,所述步骤4中,对于无实测数据水闸采用现场超声检测手段或基于经验获取计算参数。
6.根据权利要求1所述的水闸流激振动智能规避方法,其特征在于,所述步骤5包括如下子步骤:
步骤5.1,水闸上下游水位、气温、风速风向、雨强根据相关规范进行测点布置,流态、姿态、位置根据代表性、最大幅值和最对振动最敏感性原则布置,振动传感器的布置方法采用三维有效独立法、有效独立-驱动点残值法、QR-MAC混合算法进行优化布置;
步骤5.2,对减震设备装置进行优化布置,优化布置方法采用基于遗传算法或连续搜索法。
7.根据权利要求1所述的水闸流激振动智能规避方法,其特征在于,所述步骤6包括如下子步骤:
步骤6.1,关键变量抽样
(1)根据水闸上下游水位区间、风速区间、雨强区间、闸门开度区间以及闸门数量等不同组合,根据均匀设计组合时程得到不同工况条件下水闸动力响应时程,当水闸振幅明显增加、姿态明显大幅突变或振动频率明显变化即判定为共振条件;根据敏感分析结果,采用动力优化方法确定加速度传感器、姿态传感器和位置传感器的布设位置;
(2)采用水闸上下游耦合风雨作用三维河道水动力波流耦合模型计算不同闸门开度以及上下游水位组合下水闸动静力响应、缝隙流量及下泄流量,通过优化后的减振措施计算获取不同组合条件下水闸减震效果及其可观测量;
步骤6.2,水闸动力响应采用区域分解法进行数值计算,对于金属闸门采用子结构法进行数值计算,各典型区域和关键处理方法如下:
(1)水闸上方风雨区域应用SST k-ε湍流模型,数值模拟不同攻角下水闸断面的三分力系数,给出了断面周围流场的压强与速度分布图并进行分析;采用欧拉—欧拉体系的两相流理论,将雨滴场作为连续介质场,对于恒定非大风暴雨采用雷诺平均方法得到了在不同雨相粒径、不同风速下的雨相流线图,模型表面的雨滴捕获率、冲击荷载等;对于狂风暴雨采用大涡模拟方法得到顺风向、横风向和扭转向的荷载时程数据和力谱;其中风场采用Kaimal谱和Lumley-Panofsky谱;雨滴谱再现方法Rosin-Rammler预设函数法和CFD自定义函数法两种,以雨强换算及雨滴谱建立基于双参数的风雨耦合场数值模拟方法;
(2)对于水闸上下游水体、波浪和风雨混合场采用欧拉-欧拉体系的两相流理论,将雨滴场作为连续介质场,对水闸周围的风雨运动进行三维数值模拟;采用雷诺平均方法得到了在不同雨相粒径、不同风速下的雨相流线图,模型表面的雨滴捕获率、冲击荷载等;采用大涡模拟方法得到顺风向、横风向和扭转向的荷载时程数据和力谱;结合ALE界面追踪技术采用线状质量源造波方法闸门水中运动的数值模拟;同时基于VOF界面捕捉技术建立了水气界面追踪;基于VOF方法建立了风-浪联合场数值模型,通过试验和数值模拟结果的对比分析,验证了数值方法的适用性;近壁区内的流动计算及低Re数时的流动计算解决方法包括壁面函数法和低Re数的k-ε模型;
(3)对于启闭绳索或柔性室外结构基于EWF模型和欧拉-拉格朗日离散相模型,并采用增强型壁面法,结合动网格技术,进而建立了结构风雨联合作用数值模拟方法分析了水闸风雨作用下的动力特性;
(4)水闸及风雨水荷载整体网格建立过程中运用“刚性运动区域+动网格区域+静止网格区域”的方法首先对其进行分块,然后将Newmark-β法代码编写入FLUENT的用户自定义函数中对结构的振动响应进行求解,结合FLUENT软件中的动网格技术建立了结构涡振数值模拟方法;
(5)拉格朗日和欧拉变量之间通过近似光滑δ函数转换,即将有限单元节点上的固体力密度通过单元形函数分配到单元的高斯积分点上,然后再将近似光滑δ函数支持域内高斯积分点上的固体力密度转换到流体单元上;同样,欧拉网格上的流体速度先通过δ函数转换到固体单元的高斯积分点上,然后通过单元形函数求固体节点的速度,近而求得固体的位移;
步骤6.3,整体分区计算与边界层处理
风雨水流波热共同作用下的水闸静动力响应采用区域分解结合子结构方法,选取的河道上下游计算范围对水闸振动计算结果稳定,静力边界采用流量、水位和压力边界,动边界条件采用无反射边界;水闸上下游截取一定的河段长度、一定高度和一定深度选取一定的计算区域,上面高程是水闸对风雨影响可以忽略不急的高度,深度方向是水闸包括桩基在各种荷载作用下应力和变形状态可以忽略的深度,上下游区域是水闸流态、流场影响可以忽略的长度;流场顶部采用对称边界条件,等价于自由滑移的壁面;水闸断面及地面采用无滑移的壁面条件;选取了标准的k-ε模型或改进模型,采用有限体积法耦合有限元法计算;
步骤6.4,通过数值计算判别危害振动。
8.根据权利要求1所述的水闸流激振动智能规避方法,其特征在于,所述
BUILDDESPORT(b0)功能为创建一个新的树,包括如下流程:
②创建一个新的DESPOT D,其中一个结点b作为根结点;
③初始化上下界U(b0),L0(b0),μ(b0),l(b0);
⑥执行分支算法2:EXPLORE(D,b0),进行启发式探索节点b;
⑦在沿途每个结点上执行上下界备份,备份每个从b到D路径上的结点x的上下界和距离,μ(x),l(x),U(x);
⑧计算上下界距离ε(b0)=μ(b0)-l(b0),随后执行⑤;
⑨返回创建的树l;
所述EXPLORE(D,b)功能为进行启发式探索,扩展D,缩小上下边界,其流程如下:
①如果树的高度Δ(b)≤D且超额不确定性E(b)>0,以及子函数3PRUNE(D,b)返回无法修剪的结果FALSE,则执行下面②,否则执行下面⑦;
②判断b是否为D的叶节点,若是则执行下面③,否则执行下面④;
③在结点b和其父结点之间插入结点b′,使其成为新的父结点并初始化b′的上下界;
④确定行动分支最优a*=argmaxa∈Aμ(b,a);
⑥确定新的结点b=τ(b,a*,z*),之后执行1;
⑧重置边界来精简搜索,上界U(b)=L0(b0),下界u(b)=l0(b0),距离l(b)=l0(b0);
⑨返回节点b;
所述PRUNE(D,b)功能为:从b一直往回到根剪枝,随着边界的更新,新的结点可能满足修剪的条件并被修剪掉;子函数3流程步骤如下:
①初始BLOCKED=FALSE;
②遍历结点b到根结点D中的每一个结点x,若遍历未结束则执行下面③,若遍历结束则执行下面⑨;
③判断结点x是否被任意祖先结点阻挡,若被阻挡则执行下面④,否则执行下面⑨;
④重置边界以精简搜索上界U(b)=L0(b0),下界u(b)=l0(b0),距离l(b)=l0(b0);
⑤在沿途每个结点上执行上下界备份,备份每个从b到D路径上的结点x的上下界和距离,μ(x),l(x),U(x);
⑥BLOCKED置为TRUE;
⑦执行2;
⑧执行9;
⑨返回BLOCKED。
9.一种水闸流激振动智能规避系统,其特征在于,用于实现权利要求1-8中任意一项所述的水闸流激振动智能规避方法,包括:
模型修正/数据同化及数值计算分析子系统,用于实测数据和数学模型之间的数据同化,采用经过同化后的数值模型进行水闸的动静力耦合作用下的水闸时程分析和敏感性分析,同时基于材料强度容限和稳定条件,对闸门位置、姿态和启闭力时程区间进行限定;子系统包括计算服务器、图形服务器、计算和显示工作站;
感知控制子系统,用于感知水闸动静荷载等外界激励和自身加速度、动静位移和姿态等响应;相应传感器包括水闸闸门上下游流态图像视频双光传感器、缝隙射流流速流量传感器、风速风向传感器、雨量计、雨向和雨滴谱传感器、闸门启闭力及姿态传感器、水闸及闸门三向位移传感器、闸门相对位置三向激光测距仪、闸门上下游水位计及流速仪器,其中水位计采用雷达水位计,流速仪采用声学相控阵/多波束水下流速和地形测量仪;
基于数据-知识混合驱动的智能诊断、评估和决策支持系统,内置智能信号去噪、增强、特征提取及部分可观马尔可夫决策/强化学习算法,通过融合感知信息和相关知识,采用机器学习和试错方法实现水闸有害振动的智能规避;
三维可视化子系统用于进行水闸及其共振场景BIM+GIS模型构建,采用三维可视化引擎和增强现实技术,通过实测数据和力学/水动力学模型混合驱动,实现水闸振动当前状态、演化方向和失事后果等进行高保真展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211552751.5A CN115828783A (zh) | 2022-12-06 | 2022-12-06 | 一种水闸流激振动智能规避方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211552751.5A CN115828783A (zh) | 2022-12-06 | 2022-12-06 | 一种水闸流激振动智能规避方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115828783A true CN115828783A (zh) | 2023-03-21 |
Family
ID=85544126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211552751.5A Pending CN115828783A (zh) | 2022-12-06 | 2022-12-06 | 一种水闸流激振动智能规避方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115828783A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115901178A (zh) * | 2023-01-06 | 2023-04-04 | 中国海洋大学 | 多体海工结构间波浪共振流场特性的测量系统和分析方法 |
CN116738874A (zh) * | 2023-05-12 | 2023-09-12 | 珠江水利委员会珠江水利科学研究院 | 基于Multi-Agent PPO强化学习的闸泵群联合优化调度方法 |
CN117289796A (zh) * | 2023-09-22 | 2023-12-26 | 中山大学 | 基于触觉手套的复杂装备高交互混合现实系统与方法 |
CN117831035A (zh) * | 2024-03-04 | 2024-04-05 | 水利部交通运输部国家能源局南京水利科学研究院 | 水闸安全识别方法、系统及存储介质 |
-
2022
- 2022-12-06 CN CN202211552751.5A patent/CN115828783A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115901178A (zh) * | 2023-01-06 | 2023-04-04 | 中国海洋大学 | 多体海工结构间波浪共振流场特性的测量系统和分析方法 |
CN116738874A (zh) * | 2023-05-12 | 2023-09-12 | 珠江水利委员会珠江水利科学研究院 | 基于Multi-Agent PPO强化学习的闸泵群联合优化调度方法 |
CN116738874B (zh) * | 2023-05-12 | 2024-01-23 | 珠江水利委员会珠江水利科学研究院 | 基于Multi-Agent PPO强化学习的闸泵群联合优化调度方法 |
CN117289796A (zh) * | 2023-09-22 | 2023-12-26 | 中山大学 | 基于触觉手套的复杂装备高交互混合现实系统与方法 |
CN117289796B (zh) * | 2023-09-22 | 2024-05-07 | 中山大学 | 基于触觉手套的复杂装备高交互混合现实系统与方法 |
CN117831035A (zh) * | 2024-03-04 | 2024-04-05 | 水利部交通运输部国家能源局南京水利科学研究院 | 水闸安全识别方法、系统及存储介质 |
CN117831035B (zh) * | 2024-03-04 | 2024-05-03 | 水利部交通运输部国家能源局南京水利科学研究院 | 水闸安全识别方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115828783A (zh) | 一种水闸流激振动智能规避方法及系统 | |
Pan et al. | Application of the SPH method to solitary wave impact on an offshore platform | |
US7461998B1 (en) | Coastal erosion mitigation solution (CEMS) | |
Li et al. | Frequency domain dynamic analyses of freestanding bridge pylon under wind and waves using a copula model | |
Krzhizhanovskaya et al. | Distributed simulation of city inundation by coupled surface and subsurface porous flow for urban flood decision support system | |
Fang et al. | Stochastic response assessment of cross-sea bridges under correlated wind and waves via machine learning | |
Burlando et al. | A simple and efficient procedure for the numerical simulation of wind fields in complex terrain | |
Lu et al. | Numerical study of ice jam dynamics in upper Niagara River | |
Rodrigues et al. | Design and verification of large floating coastal structures: Floating bridges for fjord crossings | |
Kleefsman et al. | An improved volume-of-fluid method for wave impact problems | |
Whittaker et al. | Environmental loads, motions, and mooring systems | |
Xu et al. | Integrating Monte Carlo and hydrodynamic models for estimating extreme water levels by storm surge in Colombo, Sri Lanka | |
Burlando et al. | Parameterisation of the planetary boundary layer for diagnostic wind models | |
Baarholm | A simple numerical method for evaluation of water impact loads on decks of large-volume offshore platforms | |
Martinez et al. | Variable buoyancy anchor deployment analysis for floating wind applications using a Marine Simulator | |
Rozoff et al. | Large-eddy simulations of the tropical cyclone boundary layer at landfall in an idealized urban environment | |
Saichenthur et al. | Prediction of storm surge due to Super Cyclone Amphan using a Hybrid Finite Volume and Finite Element based SWE solver | |
Abrahamsen et al. | LFCS Review report–Model testing Model testing of large structures in a wave basin | |
Almawla et al. | Modelling the Effects of Hydraulic Force on Strain in Hydraulic Structures Using ANN (Haditha Dam in Iraq as a Case Study). | |
Takahashi et al. | Sequential time-history analysis of building structures under earthquake and tsunami loads | |
Salkhordeh et al. | A swift neural network-based algorithm for demand estimation in concrete moment-resisting buildings | |
Stolle | Debris Hazard Assessment in Extreme Flooding Events | |
Tabasi et al. | A Copula-Based Simulation of Wave-Induced Pore Water Pressure Gradient and Local Acceleration Within Surf Zone for Natural and Laboratory Barred Beach Profiles | |
Lin | Multi-hazard risk analysis related to hurricanes | |
Widyaningtias et al. | Depth of closure determination in the vicinity of coastal structure |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |