氧化铝–钢轴向功能梯度(axial functionally graded, AFG)输流管道的振动特性：基于物理的广义积分变换技术(GITT)与多层感知器(MLP)代理模型研究

《Materials》：Vibration Characteristics of Alumina–Steel Axially Functionally Graded Fluid-Conveying Pipes: A Physics-Based GITT and MLP Surrogate Study

　　

研究人员采用基于物理的广义积分变换技术(Generalized Integral Transform Technique, GITT)基准解及由GITT数据训练的多层感知器(Multi-Layer Perceptron, MLP)代理模型，研究了两端固支(clamped–clamped)氧化铝–钢轴向功能梯度(axial functionally graded, AFG)输流Timoshenko梁管道的振动特性。通过对幂律梯度指数k、无量纲流速u及长径比L/D的参数化GITT扫描，量化了轴向材料梯度对前两阶固有频率(ω1, ω2)及最大振动挠度(yM)的影响：增大k会降低ω1和ω2；在L/D=50下对u扫描时，较大k还会增大yM并降低临界流速，而在u=3.0下对L/D扫描时yM随k增大而减小。研究人员将前馈MLP代理模型拟合于Ns=336组GITT样本，采用内部块划分(train–test split)及三个独立网络并对输出做特定预处理，在留出测试集上R2>0.99，最大相对误差低于9%，且能复现代表性GITT参数曲线。离线训练后MLP推断速度较在线GITT求解快数个量级，使研究人员可基于Sobol指数、SHAP(SHapley Additive exPlanations)值及偏依赖图(Partial Dependence Plots, PDP)进行大规模全局敏感性分析——结果表明u对模态响应影响占主导，而SHAP分析显示k对yM的影响排名第一。该基于物理的GITT与MLP代理模型工作流将高保材–结构基准计算与高效元建模相结合，可用于氧化铝–钢AFG输流管道的设计优化、可靠性评估及敏感性筛选。

论文解读：氧化铝–钢轴向功能梯度(AFG)输流管道振动特性的GITT基准与MLP代理模型研究

一、研究背景与意义

功能梯度材料(Functionally Graded Material, FGM)通过连续改变组分体积分数沿某一方向梯度分布，可缓解传统层合复合材料界面应力集中与脱层问题，广泛用于高温、腐蚀及高载荷环境。轴向功能梯度(axial functionally graded, AFG)管道在核反应堆冷却系统、化工流程管路及海洋立管中有重要应用前景，其内部输送流体诱发流–固耦合(fluid–structure interaction)，显著改变管道的动力学特性乃至引发流致失稳(flow-induced instability / flutter)。已有研究多集中于均质或径向梯度管道，对轴向材料梯度下Timoshenko梁理论框架内输流管道的自由振动与流致参数影响尚缺乏系统的高精度基准数据与高效代理预测工具。为此，研究人员以氧化铝(Al₂O₃)–钢AFG输流管道为对象，结合基于物理的广义积分变换技术(Generalized Integral Transform Technique, GITT)获得高精度数值基准解，并构建多层感知器(Multi-Layer Perceptron, MLP)代理模型以实现快速参数预测与全局敏感性分析，为AFG输流管道的动力设计、可靠性评估及参数筛选提供理论与数据支撑。该论文发表于《Materials》。

二、主要关键技术方法

研究人员建立两端固支(clamped–clamped)氧化铝–钢AFG输流Timoshenko管道的动力学控制方程，材料弹性模量与密度沿轴向按幂律(power-law)函数梯度分布（梯度指数为k）。采用广义积分变换技术(GITT)将偏微分控制方程转化为常微分特征值问题求解，获得不同k、无量纲流速u及长径比L/D下的前两阶无量纲固有频率ω₁、ω₂及受简谐激励下的最大无量纲振动挠度y_M，形成N_s=336组参数–响应对的数据集。以此数据集通过内部块划分(block-wise train–test split)划分为训练集与测试集，训练三个独立的前馈多层感知ron感知器(MLP)网络并针对各输出量做专属预处理，评估决定系数R²与最大相对误差。训练完成后利用MLP替代GITT做大规模参数采样，计算Sobol一阶与全局敏感性指数、SHAP(SHapley Additive exPlanations)值及偏依赖图(Partial Dependence Plots, PDP)以识别关键影响参数。

三、研究结果

参数化GITT扫描结果

研究人员通过GITT对k∈[0,∞)（k=0为均质钢)、u∈[0,u_cr]及L/D=20~80进行系统扫描。结果表明：增大幂律梯度指数k使管道等效弯曲刚度降低，导致前两阶固有频率ω₁和ω₂单调下降；在固定L/D=50而对u扫描时，较大k使相同u下的无量纲动挠度y_M增大且临界失稳流速u_cr降低，表明强轴向软化削弱系统稳定性；在固定u=3.0而对L/D扫描时，y_M随k增大反而略有减小，反映长细比与梯度效应的耦合作用。以上GITT结果作为后续代理模型训练的"金标准"数据。

MLP代理模型性能

研究人员以k、u、L/D为输入，ω₁、ω₂、y_M为输出训练MLP。在留出测试集上三个输出量的决定系数均R²>0.99，最大相对误差<9%。MLP推断单组参数耗时较GITT特征值求解降低约2~3个数量级，且叠加GITT参数曲线时能与基准解良好吻合，验证了该代理模型可在保持高精度的前提下替代耗时的半解析GITT计算。

基于MLP的全局敏感性分析

利用训练好的MLP生成大样本预测值并计算Sobol指数与SHAP值。研究人员发现：对ω₁和ω₂，无量纲流速u的一阶及全局Sobol指数最大，是模态频率变化的主导因素；对最大振动挠度y_M，SHAP值排序显示梯度指数k的影响超过u，即轴向材料梯度对管道动挠度响应的贡献最为显著，偏依赖图进一步确认y_M随k增大（L/D=50固定）而上升、随u增大而非线性放大。

四、讨论与结论翻译

研究人员指出，基于物理的GITT为AFG输流Timoshenko管道提供了可信的数值基准，弥补了该构型高精度动力特性数据的不足；所建MLP代理模型在极小误差范围内复现GITT结果且计算效率大幅提升，使大规模参数空间探索与全局敏感性分析成为可能。敏感性分析量化揭示了流速u主导固有频率变化、梯度指数k主导挠度响应的分工机制，可为工程中按性能目标（刚度保持vs.变形抑制）选择恰当的k与运行u区间提供依据。该物理–数据融合工作流可推广至其他FGM输流构件的设计优化与可靠性评估。

研究结论（翻译）： 本文采用基于物理的广义积分变换技术(GITT)基准解与GITT数据训练的多层感知器(MLP)代理模型，研究了两端固支氧化铝–钢轴向功能梯度(AFG)输流Timoshenko管道的振动特性。参数化GITT扫描量化了幂律梯度指数k、无量纲流速u及长径比L/D对前两阶固有频率(ω₁, ω₂)和最大振动挠度(y_M)的影响——增大k降低ω₁和ω₂；L/D=50时对u扫描，较大k增大y_M并降低临界流速，而u=3.0时对L/D扫描y_M随k增大而减小。MLP代理模型在测试集上R²>0.99且最大相对误差低于9%，离线训练后推断速度较GITT快数个量级，支持基于Sobol指数、SHAP值和偏依赖图的全局敏感性分析，确认u对模态响应影响占优，k对y_M影响排名第一。该基于物理的GITT与MLP代理模型工作流结合了高保真材料–结构基准与高效元建模，适用于氧化铝–钢AFG输流管道的设计优化、可靠性评估及敏感性驱动的参数筛选。