一种水下管道连接器密封结构的密封性能预测方法

本发明涉及管道连接器密封结构性能预测，尤其是涉及一种水下管道连接器密封结构的密封性能预测方法。

背景技术：

1、水下管道连接器密封结构的核心密封部件是法兰和非标准的透镜式金属密封圈。密封圈的结构参数和法兰的轴向位移量直接影响水下管道连接器的密封能力。不合理的密封圈结构和法兰的轴向位移量会导致水下管道连接器发生泄漏或由于密封圈受到过大的挤压而发生压溃等情况。为避免这类情况的发生，预测密封结构的状态和密封能力及优化密封结构的设计对水下管道连接器尤为重要。

2、传统的ga-ann模型如图2所示，该模型大多是利用随机产生的数据作为ann模型中的权重与偏差的初始值，利用训练后的ann模型计算对应的适应度值，再利用遗传算法根据适应度值的大小利用遗传算子生成子代，再次训练ann模型以得到子代的适应度值。这种传统的方法需要对ann模型进行多次训练，导致整个ga-ann模型的计算时间过长，尤其是在短期负荷测试时，难以满足实际应用。

技术实现思路

1、本发明的目的是提供一种水下管道连接器密封结构的密封性能预测方法，以实现快速、准确地对密封结构密封性能进行预测。

2、为了实现上述目的，本发明采用以下技术方案：

3、一种水下管道连接器密封结构的密封性能预测方法，包括以下步骤：s1：确定水下管道连接器密封结构的设计变量；s2：通过抽样方法生成若干设计点，对生成的若干设计点进行有限元仿真计算，得到数据集；s3：根据数据集构建输出参数为目标函数和约束条件的ann模型，并通过遗传算法对ann模型的模型参数进行优化；优化过程包括：对数据集进行处理并划分为训练集和测试集，利用训练集对ann模型进行训练，将训练后的ann模型中的权重和偏差的值作为遗传算法初始种群中的个体，将测试集的均方根误差值作为遗传算法初始种群中个体的适应度，重复上述训练若干次生成若干个体，通过遗传算法根据得到的种群生成子代，合并父代与子代，重复循环执行遗传算法直到满足停止条件，提取种群中适应度最小值所对应的个体作为ann模型中的权重与偏差的最终值；s4：将设计变量输入至优化后的ann模型，得到目标函数和约束条件的预测结果，根据预测结果判定水下管道连接器密封结构的密封性能。

4、作为优选，所述水下管道连接器密封结构包括法兰和透镜式金属密封圈，所述设计变量为与目标函数、约束条件相关的设计变量，所述设计变量包括几何参数和位移参数，所述几何参数包括密封圈的高度h、圆弧直径d、接触宽度wc、接触角度α、长度l，所述位移参数为法兰挤压密封圈所移动的距离s。

5、作为优选，所述目标函数为密封圈与法兰之间的最大接触压力pmax和密封圈的最大半径r，所述约束条件为密封圈的两侧最大等效应力σa和内侧最大等效应力σb。

6、作为优选，所述s3中的ann模型使用多输入一输出方法构建，所述ann模型的数量等于所述目标函数和所述约束条件的数量之和，所述ann模型的输入层节点数量与所述设计变量的数量相同，所述ann模型的隐藏层节点数量根据试错法确定，所述ann模型的输出层节点数量为1，分别输出目标函数和约束条件。

7、作为优选，所述s3中通过遗传算法对ann模型的模型参数进行优化具体步骤如下：s301：通过min-max函数对数据集中的数据进行正则化处理，并将处理后的数据随机分为训练集和测试集，令计数参数n＝0；s302：ann模型初始化，采用实数编码随机生成一组长度为lc的数据，将这组数据作为ann模型中的权重与偏差的初始值；s303：利用训练集对ann模型进行训练；s304：提取训练后的ann模型中的权重和偏差的值，作为遗传算法初始种群中的个体；s305：计算测试集的均方根误差值，将测试集的均方根误差值作为该个体的适应度值；s306：令n＝n+1，判断n≥nmax是否成立，若是，则执行s307，否则返回执行s302；其中nmax为计数阈值；s307：利用遗传算子根据得到的种群生成子代；s308：将子代作为权重与偏差的最终值，赋值给ann模型；s309：利用测试集计算均方根误差值，并作为子代的适应度值；s310：合并父代与子代种群，并判断是否满足停止条件，若满足停止条件，则提取种群中适应度最小值所对应的个体作为ann模型中的权重与偏差的最终值；若不满足停止条件，则返回到s307；若进行δ次循环后，仍不能满足停止条件，则返回到s301，重新生成初始种群。

8、作为优选，所述lc具体为：

9、lc＝n×l+l+l×m+m

10、其中n、l、m分别表示ann模型的输入层、隐藏层和输出层的节点数量。

11、作为优选，所述nmax≥50，所述δ≥50。

12、本发明还提供一种水下管道连接器密封结构的多目标优化方法，包括上述的一种水下管道连接器密封结构的密封性能预测方法，还包括s5：将优化后的ann模型与多目标优化算法耦合，实现对密封结构的多目标优化。

13、因此，本发明具有以下有益效果：

14、本发明提出了一种基于快速ga-ann模型的水下管道连接器密封结构的密封性能预测方法，利用遗传算法优化神经网络模型的模型参数，对传统的ga-ann模型进行了改进。相比于传统的ga-ann模型，本发明的快速ga-ann模型训练次数少，能够在保证ann模型具有良好的泛化能力的同时，大幅降低了所需的计算时间。

15、另外，通过nsga-ii等多目标优化算法耦合提出的ga-ann模型可对密封结构进行多目标优化，以满足不同的实际工程需求。

技术特征：

1.一种水下管道连接器密封结构的密封性能预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种水下管道连接器密封结构的密封性能预测方法，其特征在于，所述水下管道连接器密封结构包括法兰和透镜式金属密封圈，所述设计变量为与目标函数、约束条件相关的设计变量，所述设计变量包括几何参数和位移参数，所述几何参数包括透镜式金属密封圈的高度h、圆弧直径d、接触宽度wc、接触角度α、长度l，所述位移参数为法兰挤压密封圈所移动的距离s。

3.根据权利要求1或2所述的一种水下管道连接器密封结构的密封性能预测方法，其特征在于，所述目标函数为密封圈与法兰之间的最大接触压力pmax和密封圈的最大半径r，所述约束条件为密封圈的两侧最大等效应力σa和内侧最大等效应力σb。

4.根据权利要求3所述的一种水下管道连接器密封结构的密封性能预测方法，其特征在于，所述s3中的ann模型使用多输入一输出方法构建，所述ann模型的数量等于所述目标函数和所述约束条件的数量之和，所述ann模型的输入层节点数量与所述设计变量的数量相同，所述ann模型的隐藏层节点数量根据试错法确定，所述ann模型的输出层节点数量为1，分别输出目标函数和约束条件。

5.根据权利要求1或2或4所述的一种水下管道连接器密封结构的密封性能预测方法，其特征在于，所述s3中通过遗传算法对ann模型的模型参数进行优化的具体步骤如下：

6.根据权利要求5所述的一种水下管道连接器密封结构的密封性能预测方法，其特征在于，所述lc具体为：

7.根据权利要求5所述的一种水下管道连接器密封结构的密封性能预测方法，其特征在于，所述nmax≥50，所述δ≥50。

8.一种水下管道连接器密封结构的多目标优化方法，其特征在于，包括以下步骤：

技术总结
本发明公开了一种水下管道连接器密封结构的密封性能预测方法，包括以下步骤：确定水下管道连接器密封结构的设计变量；通过抽样方法生成若干设计点，对生成的若干设计点进行有限元仿真计算，得到数据集；根据数据集构建输出参数为目标函数和约束条件的ANN模型，并通过遗传算法对ANN模型的模型参数进行优化；将设计变量输入至优化后的ANN模型，得到水下管道连接器密封结构的密封性能预测结果。本发明利用遗传算法优化神经网络模型的模型参数，并对传统的GA‑ANN模型进行了改进，相比于传统的GA‑ANN模型，本发明的快速GA‑ANN模型无需进行多次训练，在保证ANN模型具有良好的泛化能力的同时，大幅降低了所需的计算时间。

技术研发人员：运飞宏,矫克丰,郝孝泉,王刚,贾鹏,王向宇,王立权,庞楠,柴宏伟,姜洋
受保护的技术使用者：哈尔滨工程大学
技术研发日：
技术公布日：2024/2/1