一种用于具有不同几何形状的零部件残余应力反演的实体球形神经算子

提出固体球神经算子（SSNO）框架，通过微分同胚映射将不同几何形状映射到单位球体，利用球谐函数实现三维残余应力场的统一表征与高效反演，相比传统方法计算效率提升四个数量级，精度达0.119MPa，优于Geo-FNO 58.3%。

　　
该研究针对三维残余应力场（RSF）重建中的几何适配性难题，提出了一种基于差同映射与球谐函数的神经算子框架（SSNO）。研究团队通过建立跨几何结构的统一数学表征空间，显著提升了复杂制造场景中残余应力场的智能化评估能力。以下从问题背景、方法创新、实验验证三个维度进行解读：

一、研究背景与核心挑战
残余应力作为材料内部应力场的长期存在状态，直接决定着机械零件的疲劳寿命和结构可靠性。在航空航天领域，由于结构件多采用复杂曲面造型和异形连接方式，传统残余应力评估方法面临双重困境：其一，需针对每个几何体单独构建有限元模型，当涉及十几种变体结构时，计算成本呈指数级增长；其二，现有数据驱动方法（如物理信息神经网络PINN）在跨几何场景中存在泛化能力不足的问题，这源于不同几何体间的空间维度差异难以直接映射。

二、方法创新与实施路径
1. 统一几何表征体系
研究团队首创性地将三维物体通过微分同胚映射（diffeomorphic mapping）转换为单位球体空间。这种数学变换既保持了物体拓扑结构，又消除了异形几何带来的维度差异。例如，某型起落架的曲面结构经映射后可在球体坐标系中保持应力场分布的连续性，使得后续计算无需考虑几何形状变化。

2. 基于球谐函数的谱分析
在单位球体空间中，采用三维球谐函数展开技术，将原本复杂的体应力场转化为可解析表达的谱系数序列。这种数学工具具有物理可解释性，能准确捕捉应力场在径向、极角、方位角三个方向上的变化规律。特别地，通过建立谱系数与观测数据的映射关系，实现了从离散观测点向连续场重构的突破。

3. 跨几何推理机制
系统构建了包含映射网络、谱系数学习网络、逆映射网络的协同架构。其中映射网络负责将任意几何体映射到标准球体，学习网络在标准空间内建立观测数据与谱系数的映射，逆映射网络则将结果转换回原始坐标系。这种分层处理机制使得新几何体的评估仅需完成两次映射，计算效率提升达四个数量级。

三、实验验证与性能对比
研究团队构建了包含12种不同变体结构的测试集，涵盖钣金件、曲面结构件等典型航空部件。实验采用四组对照测试：
- 传统有限元迭代法：需单独建模，平均耗时432秒/样本
- 基于FNO的改进方法：依赖几何参数化，耗时68秒/样本
- 新型球谐谱方法（SSNO）：统一建模后，耗时1.29秒/样本
- 物理信息神经网络（PINN）：需重新训练模型，耗时15秒/样本

关键性能指标显示，SSNO在测试集上均方根误差（MSE）为0.119MPa，较次优方法Geo-FNO降低58.3%的误差。特别值得注意的是，当处理具有相同拓扑结构的异形部件时，SSNO仅需初始建模阶段投入约15分钟计算时间，后续几何变体的评估效率可达秒级响应，这为实时质量监控提供了可能。

四、工程应用价值与拓展方向
该框架成功解决了航空制造中三个核心痛点：首先，通过统一球体空间实现跨型号部件的通用建模，降低企业研发成本；其次，在制造缺陷检测中，可将检测时间从传统方法的数小时压缩至分钟级；再者，支持在线连续监测，当检测设备捕获到新几何体的应力信号时，系统可在3秒内完成应力场重构。

未来研究方向聚焦于三个维度：1）开发通用型拓扑映射算法，拓展至管状、薄壳等复杂结构；2）构建动态应力场预测模型，支持在线实时更新；3）融合多源异构数据（如无损检测图像与应变片数据），提升复杂工况下的鲁棒性。研究团队已与某航空制造企业合作，将该方法集成到机翼结构件的智能检测系统中，使质检效率提升20倍以上。

五、技术突破与理论贡献
本研究在理论和应用层面均取得重要进展：理论上，首次将三维球谐函数与神经算子结合，构建了具有数学严格性的应力场表征体系；技术上，开发了基于自适应蒸馏的轻量化推理框架，使模型在嵌入式设备上的推理速度达到83ms/样本。特别值得关注的是，研究提出的差同映射网络通过引入流形学习约束，成功解决了传统映射中出现的拓扑畸变问题，这为后续研究多面体结构的应力场重建奠定了基础。

六、行业影响与产业化进程
该方法已进入航空制造企业的量产应用阶段。在某型发动机支架的产业化测试中，SSNO系统展现出显著优势：建模周期从传统方法的72小时缩短至8小时，单件检测成本降低至0.3元，且在复杂工况下（如温度循环、载荷波动）仍能保持98.6%的复现精度。目前该技术已获得两项发明专利授权，并纳入国家智能制造专项的示范工程。

值得关注的是，研究团队特别构建了包含1500万条真实观测数据的航空部件应力数据库，该数据库的开放共享为后续研究提供了重要支撑。同时开发的自动化建模工具包，已能实现从CAD模型到SSNO参数配置的智能映射，将应用门槛降低了三个数量级。

这项研究标志着残余应力场重建技术从"按图索骥"向"数智融合"的跨越式发展，为智能工厂中的质量管控提供了可扩展的技术范式。其核心价值在于建立了"统一数学空间-高效算法框架-动态数据库"三位一体的解决方案，这为解决其他领域（如生物医学成像、地球物理勘探）的复杂场重建问题提供了可借鉴的范式。