(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221083490 0.0 (22)申请日 2022.07.15 (71)申请人 燕山大学 地址 066004 河北省秦皇岛市海港区河北 大街438号 (72)发明人 孔维航　闫鹏　郝虎　刘嘉宇　 张曦　赵功达　 (74)专利代理 机构 石家庄众志华清知识产权事 务所(特殊普通 合伙) 13123 专利代理师 周胜欣 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/23(2020.01) G06F 111/10(2020.01) G06F 119/14(2020.01) (54)发明名称 一种管柱挤压式橡胶集流器参数预测及优 化系统 (57)摘要 本发明公开了一种管柱挤压式橡胶集流器 参数预测及优化系统， 包括集流器数据集采集子 系统、 数据集预处理子系统、 特征集构造子系统、 集流器参数智能预测及优化子系统和集流器智 能预测及优化参数输出子系统， 获取弹性件硬 度， 弹性件表面摩擦系数， 弹性件内凹程度、 弹性 件尺寸和偏心程度地等作为输入 数据； 获取集流 性能即应力积分值为输出数据， 构建基于自动化 机器学习和Auto Gluon的集流器参数智能预测优 化模型。 将所述智能参数优化模型进行权值分 配， 得到所述管柱挤压式橡胶集流器最优弹性件 硬度， 弹性件表面摩擦系数， 弹性件内凹程度、 弹 性件尺寸、 偏心程度和应力积分值等， 本发明获 得最优参数的时间短， 成本低。 权利要求书3页 说明书14页 附图4页 CN 115238412 A 2022.10.25 CN 115238412 A 1.一种管柱挤压式橡胶集流器参数预测及优化系统， 其特征在于： 包括集流器数据集 采集子系统、 数据集预处理子系统、 特征集构 造子系统、 集流器参数智能预测及 优化子系统 和集流器智能预测及优化 参数输出子系统； 所述集流器数据集采集子系统用于采集在不同参数下管柱挤压式橡胶集流器的集流 性能响应特性， 从而得到数据集， 其中， 参数包括橡胶弹性件硬度、 橡胶弹性件表面摩擦系 数、 橡胶弹性件内凹程度、 橡胶弹性件尺寸和橡胶弹性件偏心 程度； 所述集流器数据集采集 子系统的采集过程包括如下步骤： 步骤1、 建立管柱挤压式橡胶集 流器弹性件形变机理模型； 步骤2、 采用COMSOL  Multiphysics构造基于双参数Mooney ‑Rivlin的管柱挤压式橡胶 集流器有限元模型； 步骤3、 采用单因素仿真分析获取橡胶弹性件硬度、 橡胶弹性件表面摩擦系数、 橡胶弹 性件内凹程度、 橡胶弹性件尺寸、 橡胶弹性件偏心程度参数对管柱挤压式橡胶集流器性能 影响的数据， 从而得到数据集； 所述数据集预处理子系统用于对数据的错误数据或者误差点进行数据优选； 所述数据 预处理规则为： 导出各个有限元模型计算组中的应力积分值， 这里 的积分取集流器偏离一 侧的结果， 作为预测的标签， 同时导出每项仿 真结果对应的橡胶弹性件参量， 共计9个参量， 并以此9个参量作为特征， 根据对橡胶弹性件变形的有限元分析， 多个有限元模 型导出的数 据间可能存在重复数据， 且有限元模型仿 真计算结果中存在不收敛的结果导致数据中存在 空值， 集流器模型失效， 因此这些数据是无效的， 经过去重和缺失值处理后， 得到的偏心状 态橡胶集 流器数据集； 所述特征集构造子系统用于对预处理后的数据集进行特征提取及选择； 所述选择规则 为： 把对影响集流器集流性能的五个参数： 橡胶弹性件偏心程度、 橡胶弹性件硬度、 橡胶弹 性件表面摩擦系数、 橡胶弹性件内凹程度和橡胶弹性件尺寸划分为共计9个参量作为特征 集， 分别为： Bias即偏心程度； Press即轴向挤压量程； C01和C10即为Mooney ‑Rivlin双参数， 模拟不同硬度的橡胶弹性件； Rubber _r为橡胶内半径； Rubber_height为橡胶长度； Rubber _ thick为橡胶厚度； K为体积模量； Co ncave为橡胶内凹 处厚度； 所述集流器参数智能预测及优化子系统用于基于自动化机器学习和AutoGluon的集流 器参数智能预测及优化模型的构建， 并进行模型训练和 测试； 所述集流器智能预测及优化参数输出子系统是基于集流器参数智能预测及优化子系 统分析输出管柱挤压式橡胶集流器经过优化的参数， 其中输出 的优化参数包括： 橡胶弹性 件硬度， 弹性件表面摩擦系数， 弹性件内凹程度、 弹性件尺寸、 橡胶弹性件偏心程度和橡胶 弹性件应力积分值 参数。 2.根据权利要求1所述的一种管柱挤压式橡胶集流器参数预测及优化系统， 其特征在 于： 所述偏心程度Bias选取偏心1 ‑5mm作为特征参数； 轴向挤压量程Press选取范围为0 ‑ 35mm； C01和C10选取硬度在40 ‑90HA中的不同Mooney ‑Rivlin双参数； 橡胶内半径Rubber_r 选取范围为32 ‑38mm； 橡胶长度Rubber_height选取范围为90 ‑120mm； 橡胶厚度Rubber_ thick选取范围为9 ‑15mm； 体积模量K＝17.783MPa， 选 取范围为1/5K ‑6/5K； 橡胶内凹处厚度 Concave选取 范围为8‑14mm。 3.根据权利要求2所述的一种管柱挤压式橡胶集流器参数预测及优化系统， 其特征在权　利　要　求　书 1/3 页 2 CN 115238412 A 2于： 所述集流器参数智能预测及优化子系统中用于构 造集流器参数智能预测及 优化模型及 模型训练、 测试的过程 为： 集流器参数智能预测、 优化模型的构造过程 为： 获取样本数据： 提取管柱挤压式橡胶集流器仿真模型偏心程度分别为1mm ‑5mm时与其 他共计9个参 量为特征输入参数； 确定输出参数： 以集 流性能即应力积分值构建数据输出集； 以所述9个参量为输出参数作为预测结果， 构建AutoGluon多层stacking模型进行训练 和预测； 集流器参数智能预测、 优化模型训练过程 为： 步骤1： 划分训练集和测试集， 将数据集中的75％划分为模型的训练集、 25％划分为模 型的测试集， 并且 模型在训练前， AutoGluo n自动在数据集中划分出验证集； 步骤2： 超参数设置， 尽 管AutoGluon会自动 搜索最佳超参数和模型， 但设置合适的超参 搜索范围， 能够加速模型训练； 对于模型架构的设置， 考虑集流器数据集的数据量不是很 大， 整体架构设置为最大4层stacking集 成， 同时， 为了充分利用数据集， 对独立的子模 型设 置5折交叉验证和2次bagging集 成， 在训练 时， 数据集将被 分割成5份， 每一份都会做验证 保 证对整个数据集完成验证， 并且这一过程重复两次； 对模型参数空间的设置主要对神经网 络模型和提升树模型进行设置， 缩短模型训练时间， 具体参数如表1： 表1模型的超参数设置 步骤3： 模型训练， 使用划分好的训练集训练AutoGluon提供的TabularPredictor估计 器， AutoGluon框架根据设置的超参数自动开启并行训练， 由于设置了模型集成， 框架会训 练多个独立的模型集成在一 起， 具体训练过程 为执行算法1流 程： 算法1： 基于AutoGluo n的集流器偏心模型训练策略 输入： data： X:橡胶弹性件特 征， Y:集流性能； M:子模型集 合； L:stack ing层数权　利　要　求　书 2/3 页 3 CN 115238412 A 3