基于扩散增强傅里叶算子的弓网系统动力学快速求解方法

摘要

受电弓–接触网（Pantograph-catenary system, PCS）系统的动态特性直接影响高速列车的受流质量与运行安全.由于弓网耦合作用存在强非线性与时变特性，传统有限元方法虽能精确表征其力学行为，但存在计算复杂度高、实时预测能力差等瓶颈，难以满足高频振动分析与多参数耦合工况快速评估需求.为此，本文提出融合自适应傅里叶神经算子（Adaptive Fourier neural operator, AFNO）与条件扩散模型（Conditional diffusion model, CDM）的数据驱动框架—自适应傅里叶神经算子扩散模型（Adaptive Fourier neural operator diffusion model, AFNODM）.首先，通过AFNO在频域动态捕捉接触网振动主模态，设计可变形卷积核实现频谱感知范围的自适应调整，解决传统FNO类模型因固定频带截断导致的高频成分漏失问题；其次，构建CDM驱动的后处理框架，以AFNO输出为条件，通过隐空间渐进式生成策略补偿高频振动细节.最后，实验结果表明本文所提方法能够高效快速地求解弓网动力学方程，在位移、速度、加速度场的均方根误差分别为0.0673、0.1603和0.8503，相较于深度算子网络（Deep operator network, DeepONet）和物理信息增强型傅里叶神经算子（Physics-informed enhanced fourier neural operator, PI-EFNO）等主流基准方法，预测误差降低了50%以上.

关键词

受电弓–接触网系统 / 自适应傅里叶神经算子 / 条件扩散模型 / 实时仿真 / 数据驱动

基金资助

国家自然科学基金资助项目（52372401,52477129,52402481,52472421,U2468230,U2468229）; 中国国家铁路集团有限公司科技研发计划资助项目（P2024G001）; 国家重点研发计划资助项目（2022YFB4301105）; 中央高校基本科研业务费专项资金资助项目（XJ2024017801,2682025CX020）; 四川省自然科学基金青年科学基金资助项目（26QNJJB3798）