门式起重机应力场特征点提取方法研究

姓名：谭俊 男 1985.12  汉族 单位：太极计算机股份有限公司

学历：硕士  职务：部门副总经理 研究方向：工业智能化信息技术，信创工程应用系统构建；

姓名：王璐 男 1985.01 汉族 单位：太极计算机股份有限公司学历：学士职务：部门总经理研究方向：信息安全技术，信创工程应用系统构建；

摘要：水电站门式起重机（以下简称门机）是水电站运行中的关键设备，其结构安全性直接影响水电站的安全和效益。由于长期服役过程中受材料老化、环境腐蚀、金属疲劳和洪峰过载等因素影响，门机的结构可靠性面临严峻挑战。传统的有限元方法虽能获取结构全域应力分布，但计算量大，难以满足实时监测需求。为此，本文提出了一种基于应力场特征点提取的降阶计算方法。通过对门机结构的载荷特征和响应特征分析，利用相关性分析优化测点布置，构建了一个能够快速、准确重构门机应力场的降阶模型。实验结果表明，该方法在显著减少测点数量的同时，保持了应力场重构的高精度，提高了计算效率，为门机数字孪生模型的实现提供了技术支撑，有助于提升水电站的安全性和运营效率。

关键词：水电站门式起重机；应力场重构；降阶计算；特征点提取；相关性分析

1 引 言

水电站门式起重机（以下简称门机）是水电站运行中不可或缺的关键设备，主要用于闸门的启闭操作，其运行状况直接关系到水电站的安全和效益。然而，由于门机在长期服役过程中需要承受材料老化、环境腐蚀、金属疲劳、洪峰过载等多重因素的综合作用，其结构安全性始终面临挑战。因此，如何有效评估和保障门机的结构安全性，成为水电站运营管理领域的核心课题之一。

在结构安全性评估中，应力分布是最直观且重要的物理量之一，通过全面掌握门机结构的全域应力分布，可以精准识别结构薄弱部位，定量分析剩余承载能力，为优化操作与运维策略提供科学依据。有限元方法作为获取结构全域应力分布的经典数值分析工具，已被广泛应用于门机结构分析。然而，门机作为一种大型复杂的空间结构，其有限元分析往往计算量大、耗时长，难以满足实时监测的需求。因此，构建一种能够快速、准确重构门机结构应力场的降阶模型成为当前研究的重要方向。降阶模型通过构建物理实体与虚拟模型之间的数据映射关系，为门机数字孪生体的实现奠定了基础，使得设备运行中的应力应变物理场状态得以实时监测，从而全面提升运行状态监控的精度与效率[1]。

降阶模型的关键在于测点布置方法的设计。测点的合理分布直接决定了应力场重构的精度与效率。然而，目前在应力场测点布置和特征点提取方面，尚缺乏针对门机这一特定结构的系统研究，测点数量与重构精度之间的平衡也未得到充分探索[2]。近年来，一些学者尝试基于主成分分析（PCA）、高斯过程回归（GPR）等方法优化特征点提取[3，4]，但这些方法在门机复杂工况下的适用性仍需验证。因此，如何在有限测点的前提下实现高精度应力场重构，成为该领域亟待解决的科学问题。

本文针对门机结构应力场的快速重构需求，重点研究降阶计算中的测点布置方法，提出一种基于应力场特征点提取的创新性方法。通过减少测点数量而不降低重构精度，优化门机数字孪生模型的实时性和准确性，为门机运行状态的全面监测与智能化运维提供技术支撑。

2  门式起重机结构应力场实时计算方法

2.1 门式结构与载荷特征分析

门式结构的结构特征主要体现在其刚接梁柱设计、轻质高强材料的使用和大跨度的布局。梁与柱之间采用刚性连接，能够传递弯矩和剪力，提高结构的整体刚度和稳定性。通常使用高强度钢材，减少结构自重，降低基础负荷。门式结构适用于需要大空间的建筑，减少内部支撑，增加使用空间的灵活性。此外，根据功能需求，门式结构可设计为单层或多跨布置，具有很强的适应性。

门式结构的主要响应特征是应力的静态响应。轴力响应是柱和梁在垂直荷载下产生的拉压应力，需要确保截面尺寸满足强度要求。弯矩响应是梁在垂直荷载下产生的弯曲应力，是影响梁截面设计的关键因素。结构在荷载作用下的位移和变形也需要控制在规范允许的范围内，以保证结构的正常使用功能。

2.2降阶计算原理

4 算法设计流程

在测点选取方案中，测点数据之间的相似性越高，结构响应特性越趋于一致，导致多样性和全面性降低，即称为数据的冗余程度。为此，将特征点按照对载荷响应的灵敏度进行排序，从最灵敏的点开始。针对不同的相关性分析方法，选择相关性低于预设阈值（通常为5%）的特征点，依据数量梯度构建选点方案。算法的筛选步骤如下所示（见图2）：

1）处理筛选：对所有工况数据进行筛选和排序，选取应力值最大的前三分之一的网格。

2）合并与再排序：将经过筛选后所有工况中均被保留的网格提取出来，形成新的集合，并按照应力值从大到小进行排序。

3）初始化特征点集合：将排序后的集合中第一个网格加入特征点集合。

4）相关性分析：依次取剩余的网格，与特征点集合中的所有网格进行相关性分析。

5）若当前网格与特征点集合中的任何网格都不具相关性，则将其加入特征点集合，继续处理下一个网格。否则，忽略当前网格。

6）完成选取：遍历完集合中的所有网格后，特征点集合即为最终的选点结果。

5 试验结果与分析

基于上述筛选流程，从711594个有限元网格中进行筛选合并，最终保留29718个高应力的有限元网格，从29718个有限元网格依据相关性中找出44个特征单元，即门式起重机结构可拆分为44个簇。

根据表2和表3的时间对比结果，Pearson系数和阈值分析在计算时间上明显优于另外两种相关性系数。鉴于门式起重机的应力分布和力学行为通常表现出较强的线性特征，而Pearson系数专注于衡量数据之间的线性关系，采用Pearson系数可以更精准地捕获网格间的力学相关性。此外，Pearson系数直接反映了网格间应力的线性相关程度，结果易于解释，符合工程实际需求。综上所述，Pearson系数为最优选择。

6 结论

本文针对水电站门式起重机结构应力场实时重构的需求，提出了一种基于应力场特征点提取的降阶计算方法。通过对门机的结构特征和载荷特征的深入分析，采用相关性分析方法（如Pearson相关系数）对测点进行优化布置。在算法设计中，从711，594个有限元网格中筛选出29，718个高应力网格，最终选取了44个特征单元作为测点。实验结果显示，该方法在保证应力场重构精度的前提下，显著减少了测点数量，计算时间明显优于其他相关性分析方法，提高了应力场重构的实时性和准确性。

研究表明，基于特征点提取的降阶计算方法有效解决了门机结构应力场实时监测中计算量大的问题，为门机数字孪生模型的构建提供了可靠的技术支持。这一方法不仅提升了门机运行状态监控的精度和效率，而且为水电站的安全运营和智能化管理奠定了坚实基础。未来的工作将进一步验证该方法在复杂工况下的适用性，并结合实际运行数据，完善模型的泛化能力和预测精度。

参考文献

[1] Liu， M. S.， et al. "Mapping physical and virtual models in structural analysis." International Journal of Mechanical Sciences， 2021.

[2] Zhang， T.， et al. "Efficient stress reconstruction in large structures using reduced-order modeling." Journal of Computational Mechanics， 2022.

[3] Bishop， C. M. Pattern Recognition and Machine Learning. Springer， 2006.

[4] Rasmussen， C. E.， and Williams， C. K. I. Gaussian Processes for Machine Learning. MIT Press， 2006.