基于机器学习技术的多参数分析与非线性螺旋结构设计，考虑内部结构碰撞

汽车弹簧的重要性超出想象

在高性能汽车发动机深处，缠绕紧密的金属弹簧以每秒数千次的频率开闭气门。这些螺旋弹簧不仅仅是反弹装置；它们储存能量并抑制剧烈振动。但在极高转速下，同样的弹簧会突然产生尖锐的力峰，损伤零件并缩短发动机寿命。本研究阐明了这些力峰的来源，并展示了现代计算仿真与机器学习如何帮助工程师重新设计弹簧，使其既耐用又能有效吸收振动。

极端发动机转速下的弹簧表现

研究人员集中研究了一种用于高速跑车发动机的“蜂窝”型气门弹簧。与简单的均径弹簧不同，该弹簧沿高度方向直径变化，并且在某些区域线圈彼此更靠近。团队将弹簧安装在由电动机驱动的真实V8发动机上，测量了发动机在6500到16000转/分钟范围内运行时产生的力。在较低转速下，峰值力维持在约900牛顿并平滑波动，符合普通振动的预期。但在约7800转/分钟及更高转速处，测得力突然跃升到超过1500–1800牛顿。这些意外的峰值表明弹簧内部发生了另一种更剧烈的过程。

通过虚拟试验观察线圈内部

为查看线圈之间的动态，团队采用有限元分析这一标准工程技术构建了高度细化的弹簧计算模型。他们重建了精确的弹簧几何形状和材料，包含相邻线圈之间的摩擦接触，并用与发动机相同的凸轮轴运动来驱动模型。在7800转/分钟下运行仿真时，预测的力与发动机测量非常契合，包括凸轮循环中特定点出现的尖锐力峰。通过跟踪单个线圈的运动，他们发现窄间隙区域的两个相邻线圈在几毫秒内短暂撞击然后分离。这种快速碰撞激发出强烈的弹性波在弹簧中传播，表现为观测到的力峰。

线圈碰撞的利弊

这些碰撞被证明是一把双刃剑。一方面，线圈相互撞击会耗散部分振动能量，从而降低持续振荡——这有助于保持气门运动稳定。另一方面，这些冲击会产生短暂但很大的力，可能加速疲劳并导致早期失效。因此，关键的设计挑战并非完全消除接触，而是调整弹簧几何以使碰撞足够温和，避免产生破坏性的力峰，同时仍能发挥阻尼作用。由于弹簧形状由许多相互关联的尺寸定义——例如多个位置的线圈直径和垂直高度——在发动机中或通过完整仿真逐一测试每种组合会耗时过长。

让算法学习最佳形状

为了解决这一多参数难题，研究人员采用了机器学习。他们改变了两组紧密线圈的四个关键几何特征，创建了60种不同的虚拟弹簧设计，并在临界发动机转速下对每种设计进行了仿真。对每个设计记录了最大动态力。这些数据随后输入两类学习算法：一种是作为强大模式识别黑箱的深度神经网络，另一种是生成显式数学公式的遗传编程模型。神经网络取得了更高的预测精度，能够准确再现仿真中的峰值力，即便是对未见过的设计也表现良好。利用该训练模型，团队几乎瞬间扫描了数千种虚拟设计，绘制出线圈直径和高度变化如何影响力峰的映射。

找到更安全、更平顺的弹簧设计

通过扫描学习到的设计空间，作者标出了峰值力保持在避免损伤水平以下但仍发生碰撞（从而实现有用阻尼）的区域。简单来说，他们展示了只需精心调整几组线圈的尺寸与位置，就能将易产生剧烈力峰的弹簧变成更温和地管理发动机振动的器件。他们的方法将现实的高速仿真与数据驱动模型结合起来，以指导设计决策而无需无止境的物理测试。尽管这项工作针对特定的气门弹簧，但同样策略可应用于许多螺旋设备——从列车悬架到可穿戴外骨骼——帮助工程师在极端条件下设计出既坚固又安静的组件。

引用: Gu, Z., Liu, Y., Kong, X. et al. Machine learning techniques based multi-parameter analysis and design of nonlinear helical structures considering internal structure collisions. Sci Rep 16, 8595 (2026). https://doi.org/10.1038/s41598-026-39953-y

关键词: 气门弹簧, 振动阻尼, 线圈碰撞, 机器学习设计, 高速发动机