本發明屬于法蘭連接安全，尤其涉及一種法蘭連接緊密性計算建模方法、計算方法、系統、設備及介質。

背景技術：

1、法蘭連接是工業設備中最常見的連接形式之一，廣泛應用于風電設備、航空航天裝置、石油化工管道等重要領域。法蘭連接的緊密性直接關系到設備的安全性、可靠性和使用壽命。然而，在實際運行過程中，法蘭連接可能因溫度變化、載荷波動、螺栓松動等因素導致其緊密性下降，甚至引發泄漏、振動和結構破壞等嚴重問題。

2、目前，法蘭連接緊密性監測主要依賴于以下幾種方法：

3、一是定期離線檢查，例如使用扭矩扳手檢測螺栓預緊力、超聲波測厚儀檢測螺栓長度變化等；

4、二是簡單傳感器監測，例如壓力傳感器監測介質壓力變化、螺栓應變監測等；

5、三是理論計算方法，基于彈性理論和有限元分析預測法蘭連接狀態。

6、然而，這些方法存在明顯不足：

7、離線檢查無法實現實時監測，且設備停機檢查增加運維成本；簡單傳感器監測難以全面反映復雜工況下法蘭連接的實際狀態；理論計算方法通常基于理想假設，忽略溫度變化、動態載荷等實際影響因素，計算精度有限。

8、因此，亟需提出一種能準確、高效、實時評估法蘭連接緊密性狀態。

技術實現思路

1、本發明的目的在于提供一種法蘭連接緊密性計算建模方法、計算方法、系統、設備及介質，以解決傳統方法監測精度不足和實時性差的問題。

2、本發明是通過如下的技術方案來解決上述技術問題的：一種法蘭連接緊密性計算建模方法，包括：

3、獲取不同溫度和載荷下的法蘭結合面歷史間隙；

4、根據不同溫度和載荷下的法蘭結合面歷史間隙構建基礎間隙物理模型；

5、根據所述基礎間隙物理模型以及不同溫度和載荷下的法蘭結合面歷史間隙，計算不同溫度和載荷下的間隙偏差；

6、根據不同溫度和載荷下的間隙偏差構建樣本數據集；

7、部署深度學習模型，利用所述樣本數據集對所述深度學習模型進行訓練，得到間隙偏差預測模型。

8、進一步地，根據不同溫度和載荷下的法蘭結合面歷史間隙構建基礎間隙物理模型，具體包括：

9、構建法蘭有限元模型；其中，所述法蘭有限元模型包括上法蘭、下法蘭以及連接上法蘭與下法蘭的螺栓，上法蘭與下法蘭之間的間隙為法蘭結合面間隙；

10、基于所述法蘭有限元模型，進行不同溫度的仿真計算，得到不同溫度下的法蘭結合面仿真間隙；對不同溫度下的法蘭結合面仿真間隙進行擬合，得到溫度-結合面間隙擬合函數；

11、基于所述法蘭有限元模型，進行不同載荷的仿真計算，得到不同載荷下的法蘭結合面仿真間隙；對不同載荷下的法蘭結合面仿真間隙進行擬合，得到載荷-結合面間隙擬合函數；

12、根據不同溫度和載荷下的法蘭結合面歷史間隙、以及溫度-結合面間隙擬合函數和載荷-結合面間隙擬合函數計算溫度引起的法蘭結合面間隙和載荷引起的法蘭結合面間隙；

13、根據溫度引起的法蘭結合面間隙、載荷引起的法蘭結合面間隙以及法蘭結合面歷史間隙，得到基礎間隙物理模型。

14、進一步地，根據不同溫度和載荷下的間隙偏差構建樣本數據集，具體包括：

15、根據每組溫度和載荷構建一個特征向量；其中，所述特征向量包括溫度、載荷以及溫度與載荷的交互值；

16、對所述特征向量進行標準化處理；

17、由標準化處理后的特征向量及其間隙偏差構成一個樣本，進而得到樣本數據集。

18、進一步地，所述深度學習模型的數量為多個，多個所述深度學習模型的結構相同且初始權重不同，利用所述樣本數據集分別對多個所述深度學習模型進行訓練；

19、應用各間隙偏差預測模型進行實時計算時，最終的實時間隙偏差等于各間隙偏差預測模型輸出的實時間隙偏差的加權平均。

20、進一步地，利用所述樣本數據集對所述深度學習模型進行訓練，具體包括：

21、將所述樣本數據集中的特征向量輸入到深度學習模型中；

22、深度學習模型對所述特征向量進行特征提取和預測，得到預測間隙偏差；

23、采用改進的lasso回歸損失函數計算與特征向量對應的間隙偏差與預測間隙偏差的損失誤差，根據損失誤差調整深度學習模型的參數，實現深度學習模型的訓練；

24、其中，改進的lasso回歸損失函數是在原有lasso回歸損失函數的基礎上引入l2正則化。

25、基于同一構思，本發明還提供一種法蘭連接緊密性計算方法，包括：

26、調用基礎間隙物理模型和間隙偏差預測模型；其中，所述基礎間隙物理模型和間隙偏差預測模型采用如上所述的法蘭連接緊密性計算建模方法構建；

27、獲取法蘭的實時溫度和實時載荷；

28、將所述實時溫度和實時載荷輸入到基礎間隙物理模型中，得到實時基礎間隙；

29、對所述實時溫度和實時載荷進行預處理，得到實時特征向量；

30、將所述實時特征向量輸入到間隙偏差預測模型中，得到實時間隙偏差；

31、根據所述實時基礎間隙和實時間隙偏差計算法蘭結合面實時間隙。

32、進一步地，所述計算方法還包括根據計算的法蘭結合面實時間隙進行預警，具體包括：

33、當法蘭結合面實時間隙<第一間隙閾值時，法蘭連接緊密性正常；

34、當第一間隙閾值≤法蘭結合面實時間隙<第二間隙閾值時，發出法蘭連接緊密性注意提示；

35、當第二間隙閾值≤法蘭結合面實時間隙<第三間隙閾值時，發出法蘭連接緊密性警告提示；

36、當法蘭結合面實時間隙≥第三間隙閾值時，發出法蘭連接緊密性危險提示。

37、基于同一構思，本發明還提供一種法蘭連接緊密性計算系統，包括數據接入層、計算層和結果輸出層；

38、所述數據接入層，用于獲取法蘭的實時溫度和實時載荷，并將實時溫度和實時載荷傳輸給計算層；

39、所述計算層部署有基礎間隙物理模型和間隙偏差預測模型，且用于將所述實時溫度和實時載荷輸入到基礎間隙物理模型中，得到實時基礎間隙；對所述實時溫度和實時載荷進行預處理，得到實時特征向量；將所述實時特征向量輸入到間隙偏差預測模型中，得到實時間隙偏差；根據所述實時基礎間隙和實時間隙偏差計算法蘭結合面實時間隙；其中，所述基礎間隙物理模型和間隙偏差預測模型采用如上所述的法蘭連接緊密性計算建模方法構建；

40、所述結果輸出層，用于顯示法蘭的實時溫度和實時載荷以及計算的法蘭結合面實時間隙。

41、基于同一構思，本發明還提供一種電子設備，包括存儲器、處理器以及存儲在存儲器上的計算機程序/指令，所述處理器執行所述計算機程序/指令以實現如上所述的法蘭連接緊密性計算建模方法或法蘭連接緊密性計算方法。

42、基于同一構思，本發明還提供一種計算機可讀存儲介質，其上存儲有計算機程序/指令，該計算機程序/指令被處理器執行時實現如上所述的法蘭連接緊密性計算建模方法或法蘭連接緊密性計算方法。

43、與現有技術相比，本發明的優點在于：

44、本發明根據不同溫度和載荷下的法蘭結合面歷史間隙構建基礎間隙物理模型，考慮了溫度、載荷變化對法蘭結合面間隙的影響，通過溫度場和載荷場的耦合分析提高了法蘭連接緊密性的計算精度；同時基于深度學習模型構建間隙偏差預測模型，利用間隙偏差預測模型預測基礎間隙與真實間隙之間的偏差，利用預測的間隙偏差對基礎間隙進行修正，進一步提高了法蘭連接緊密性的計算精度。

45、將本發明構建的基礎間隙物理模型和間隙偏差預測模型部署在實際監測工況中，可以實現法蘭連接緊密性的實時、連續計算，確保了設備的安全性、可靠性和使用壽命，適用于風電、航空航天、石化等多領域的法蘭連接狀態監測。