混合轻量数据驱动大型电机定子绕组频响预测

来源：计算机集成制造系统杂志2025年第11期北京时间：

作者：王頲, 唐宇, 赵洋, 范冶, 邓聪颖, 禄盛

单位：1.重庆邮电大学高等科学研究院2.工业物联网与网络化控制教育部重点实验室3.重庆邮电大学先进制造工程学院4.西安交通大学机械结构强度与振动国家重点实验室

摘要：结合有限元仿真、数字化建模和试验模态分析等方法,预测定子端部绕组的频响函数,以解决大型汽轮发电机端部振动问题,从而推动智慧汽轮机的发展。首先,通过建立定子端部绕组三维精细有限元模型,获取与实测吻合较好的模态参数。进一步进行谐响应分析,计算得到各点频响函数,并作为后续研究的数据来源。其次,模拟试验模态锤击实验法,基于轻型梯度提升机（Light GBM）算法构建单阶频响函数预测模型,并将Light GBM模型与BP神经网络、随机森林和XGBoost模型进行比较分析;在数据驱动模型基础上,创新地基于系统物理规律建立了基于振型比例K的机理-数据混合驱动模型。Light GBM的高效性、低内存消耗、准确性、可调性和并行化支持,更适合用于解决大型汽轮发电机端部振动问题中的频响函数预测任务。通过响应曲面,展示了不同模态下位移响应的频域和空间域特性。最后,建立整体绕组频响函数混合数据驱动模型。通过与有限元模型计算的频响函数进行比较,并评估非样本空间数据的预测精度,验证了该混合数据驱动模型的可靠性和泛化能力。该模型能够快速、准确反映发电机端部振动情况,协助维护人员及时发现问题并采取必要措施。结合有限元仿真、数字化建模和试验模态分析等方法,预测定子端部绕组的频响函数,以解决大型汽轮发电机端部振动问题,从而推动智慧汽轮机的发展。首先,通过建立定子端部绕组三维精细有限元模型,获取与实测吻合较好的模态参数。进一步进行谐响应分析,计算得到各点频响函数,并作为后续研究的数据来源。其次,模拟试验模态锤击实验法,基于轻型梯度提升机（Light GBM）算法构建单阶频响函数预测模型,并将Light GBM模型与BP神经网络、随机森林和XGBoost模型进行比较分析;在数据驱动模型基础上,创新地基于系统物理规律建立了基于振型比例K的机理-数据混合驱动模型。Light GBM的高效性、低内存消耗、准确性、可调性和并行化支持,更适合用于解决大型汽轮发电机端部振动问题中的频响函数预测任务。通过响应曲面,展示了不同模态下位移响应的频域和空间域特性。最后,建立整体绕组频响函数混合数据驱动模型。通过与有限元模型计算的频响函数进行比较,并评估非样本空间数据的预测精度,验证了该混合数据驱动模型的可靠性和泛化能力。该模型能够快速、准确反映发电机端部振动情况,协助维护人员及时发现问题并采取必要措施。

关键词：定子端部绕组,有限元,频响函数,机理-数据混合驱动,轻型梯度提升机

基金资助：国家自然科学基金资助项目（51807019）;重庆市教委科学技术研究资助项目（KJZD-K201900604）;机械结构强度与振动国家重点实验室开放基金资助项目（SV2020-KF-15）;重庆市博士后科研资助项目（XmT2018030）。