CN115438556B - 柔性充气飞行器结构刚度退化率预测方法、装置及设备 - Google Patents
柔性充气飞行器结构刚度退化率预测方法、装置及设备 Download PDFInfo
- Publication number
- CN115438556B CN115438556B CN202211402193.4A CN202211402193A CN115438556B CN 115438556 B CN115438556 B CN 115438556B CN 202211402193 A CN202211402193 A CN 202211402193A CN 115438556 B CN115438556 B CN 115438556B
- Authority
- CN
- China
- Prior art keywords
- decomposition
- modality
- degradation rate
- modalities
- database
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Library & Information Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Manufacturing & Machinery (AREA)
- Transportation (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本申请涉及飞行器领域,具体而言,涉及柔性充气飞行器结构刚度退化率预测方法、装置及设备、电子设备及计算机可读介质。该方法包括:建立第一数据库;获取待测对象的褶皱区图像;对待测对象的褶皱区图像进行模态分解;基于模态分解得到的多个分解模态与第一数据库中的基础模态确定出参与模态和每个参与模态的贡献度;计算待测对象的总体刚度退化率。本申请在载荷未知的前提下,通过实际获知的褶皱区形态,直接预测充气结构的刚度退化情况,无需获取柔性充气飞行器实际飞行中气动载荷,解决了传统方案中柔性充气飞行器实际飞行中气动载荷难以获取而导致的结构刚度难以预测的问题,达到了实时预测柔性充气飞行器结构刚度退化情况的效果。
Description
技术领域
本发明涉及飞行器领域,具体而言,涉及一种柔性充气飞行器结构刚度退化率预测方法、装置及设备、电子设备及计算机可读介质。
背景技术
充气翼是一种由高强度复合柔性材料制成,内部充入高压气体以保压维形的多气腔充气结构,具有体积灵活可变、结构重量较轻、方便储存携带、易于随时展开、成本较为低廉等显著优势。随着飞行器用途多样化发展,充气翼技术将刚性机体与柔性机翼有机结合,刚柔耦合的特点展现出巨大的应用价值,具有军民两用前景。
柔性充气翼结构整体缺乏刚性连接,其气动弹性问题较为突出。除传统刚性机翼常见的颤振、抖振、发散等失效形式外,褶皱-屈曲是一种与充气膜材和充气内压相关,计入薄膜褶皱的刚度退化现象,是柔性充气翼独特的气弹失效现象。
相关技术中,充气翼褶皱区分析方法通过识别膜单元在加载环境下最大与最小主应力的关系,确定该单元的稳定状态。该技术能够较为高效地确定充气翼的褶皱区面积与形态,并给出了屈曲临界状态下褶皱区的形态标准。但由于实际飞行器中气动载荷的时变特性,该方法无法在在充气翼飞行过程中实时给出准确的气动载荷分布,由于充气膜结构与传感器较差的兼容性,通过传感器实时获取压力分布的传统技术方案也无法应用。
发明内容
有鉴于此,本发明提供一种柔性充气飞行器结构刚度退化率预测方法、装置及设备、电子设备及计算机可读介质,解决了充气翼实际飞行中气动载荷难以获取而导致的结构刚度难以预测的问题,在载荷未知的前提下,通过实际获知的褶皱区形态,直接预测充气结构的刚度退化情况,无需获取柔性充气飞行器实际飞行中气动载荷,解决了传统方案中柔性充气飞行器实际飞行中气动载荷难以获取而导致的结构刚度难以预测的问题,达到了实时预测柔性充气飞行器结构刚度退化情况的效果,通过建立基于图像识别的褶皱区-刚度退化率的显式数理关系,实现了对复杂工况下充气翼刚度退化率的实时预测。
本发明的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本发明的实践而习得。
本发明的第一方面,提出一种柔性充气飞行器结构刚度退化率预测方法,所述方法包括:建立第一数据库,所述第一数据库为充气结构模型的基本褶皱区几何特征-刚度退化率关系的基本数据库,每一个基本褶皱区几何特征对应一种基础模态;获取待测对象的褶皱区图像,所述待测对象为所述柔性充气飞行器上的部件;对所述待测对象的褶皱区图像进行模态分解,得到多个分解模态和每个分解模态的贡献度;基于模态分解得到的多个分解模态与所述第一数据库中的基础模态确定出参与模态和每个参与模态的贡献度,所有参与模态均为所述第一数据库中的基础模态,参与模态的贡献度根据模态分解得到的分解模态的贡献度获得;根据各个参与模态的贡献度以及各个参与模态的刚度退化率计算所述待测对象的总体刚度退化率。
进一步地,获取待测对象的褶皱区图像,包括:通过光学传感器拍摄所述待测对象表面的图像;通过转化矩阵对正拍摄得到的图像;识别图像中的褶皱区;对褶皱区池化,过滤掉细微褶皱区,得到所述待测对象的褶皱区图像,其中,所述细微褶皱区是由于工艺与结构线条形成的。
进一步地,对所述待测对象的褶皱区图像进行模态分解,得到多个分解模态和每个分解模态的贡献度,包括:基于模态分解得到的分解模态的贡献度将多个分解模态通过线性组合获得的褶皱区与所述待测对象的褶皱区图像的几何相似律进行比较;若二者的几何相似律大于或等于预设几何相似律阈值,则模态分解成功;记录模态分解得到的分解模态和每个分解模态的贡献度。
进一步地,根据各个参与模态的贡献度以及各个参与模态的刚度退化率计算所述待测对象的总体刚度退化率,包括:将各个参与模态的刚度退化率进行线性叠加,其中,在线性叠加过程中将参与模态的贡献度作为权重,得到所述待测对象的总体刚度退化率。
进一步地,建立第一数据库,包括:建立充气结构模型的有限元模型;对有限元模型定义压力载荷;批处理调用有限元求解器,瞬态求解在所述压力载荷下的刚度和褶皱区;根据求解得到的刚度和褶皱区建立所述第一数据库。
进一步地,对所述待测对象的褶皱区图像进行模态分解之前,所述方法还包括:褶皱区图像数字化,所述褶皱区图像数字化包括:在空间坐标对图像离散化;在幅度上对图像离散化。
进一步地,所述方法还包括:判断所述待测对象的总体刚度退化率是否超过预设总体刚度退化率阈值;若超过,则控制所述柔性充气飞行器改变以下至少之一:飞行速度、飞行姿态。
本发明的第二方面,提出一种柔性充气飞行器结构刚度退化率预测装置,该装置用于执行上文第一方面所述的方法,该装置包括:数据库建立单元,用于建立第一数据库,所述第一数据库为充气结构模型的基本褶皱区几何特征-刚度退化率关系的基本数据库,每一个基本褶皱区几何特征对应一种基础模态;获取单元,用于获取待测对象的褶皱区图像,所述待测对象为所述柔性充气飞行器上的部件;模态分解单元,用于对所述待测对象的褶皱区图像进行模态分解,得到多个分解模态和每个分解模态的贡献度;确定单元,用于基于模态分解得到的多个分解模态与所述第一数据库中的基础模态确定出参与模态和每个参与模态的贡献度,所有参与模态均为所述第一数据库中的基础模态,参与模态的贡献度根据模态分解得到的分解模态的贡献度获得;计算单元,用于根据各个参与模态的贡献度以及各个参与模态的刚度退化率计算所述待测对象的总体刚度退化率。
进一步地,所述获取单元包括:拍摄子单元,用于通过光学传感器拍摄所述待测对象表面的图像;对正子单元,用于通过转化矩阵对正拍摄得到的图像;识别子单元,用于识别图像中的褶皱区;池化子单元,用于对褶皱区池化,过滤掉细微褶皱区,得到所述待测对象的褶皱区图像,其中,所述细微褶皱区是由于工艺与结构线条形成的。
进一步地,所述模态分解单元包括:比较子单元,用于基于模态分解得到的分解模态的贡献度将多个分解模态通过线性组合获得的褶皱区与所述待测对象的褶皱区图像的几何相似律进行比较;确定子单元,用于若二者的几何相似律大于或等于预设几何相似律阈值,则模态分解成功;记录子单元,用于记录模态分解得到的分解模态和每个分解模态的贡献度。
进一步地,所述计算单元,包括:线性叠加子单元,用于将各个参与模态的刚度退化率进行线性叠加,其中,在线性叠加过程中将参与模态的贡献度作为权重,得到所述待测对象的总体刚度退化率。
进一步地,所述数据库建立单元,包括:有限元模型建立子单元,用于建立充气结构模型的有限元模型;定义子单元,用于对有限元模型定义压力载荷;求解子单元,用于批处理调用有限元求解器,瞬态求解在所述压力载荷下的刚度和褶皱区;数据库建立子单元,用于根据求解得到的刚度和褶皱区建立所述第一数据库。
进一步地,所述装置还包括:褶皱区图像数字化子单元,所述褶皱区图像数字化子单元用于:对所述待测对象的褶皱区图像进行模态分解之前,在空间坐标对图像离散化;在幅度上对图像离散化。
进一步地,所述装置还包括:控制单元,所述控制单元用于在所述待测对象的总体刚度退化率超过预设总体刚度退化率阈值时,控制所述柔性充气飞行器改变以下至少之一:飞行速度、飞行姿态。
根据本发明的第三方面,提出一种柔性充气飞行器结构刚度退化率预测设备,所述设备包括:摄像头;用于执行如上文第一方面所述方法的柔性充气飞行器结构刚度退化率预测装置。
根据本发明的第四方面,提出一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上文第一方面所述的方法。
根据本发明的第五方面,提出一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上文第一方面所述的方法。
本申请在载荷未知的前提下,通过实际获知的褶皱区形态,直接预测充气结构的刚度退化情况,无需获取柔性充气飞行器实际飞行中气动载荷,解决了传统方案中柔性充气飞行器实际飞行中气动载荷难以获取而导致的结构刚度难以预测的问题,达到了实时预测柔性充气飞行器结构刚度退化情况的效果。
此外,本发明的技术方案还带来了许多其他的优点,这些优点将会在具体实施方式中详细说明。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本发明。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例的附图作简单地介绍,显而易见地,下面描述中的附图仅仅涉及本发明的一些实施例,而非对本发明的限制。
图1是本申请实施例提供的一种柔性充气飞行器结构刚度退化率预测方法的流程图;
图2是本申请实施例提供的一种柔性充气飞行器结构刚度退化率预测方法的流程图;
图3是本申请实施例提供的一种充气管的几何模型的示意图;
图4是本申请实施例提供的一种充气管的有限元模型的示意图;
图5是本申请实施例提供的一种池化效果的示意图;
图6是本申请实施例提供的一种褶皱区低阶模态的示意图;
图7是本申请实施例提供的一种充气翼实验平台的示意图;
图8是本申请实施例提供的一种充气翼有限元模型的示意图;
图9是本申请实施例提供的一种柔性充气飞行器结构刚度退化率预测装置的示意图;
图10是本申请实施例提供的一种电子设备的框图;
图11是本申请实施例提供的一种计算机可读介质的框图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本发明将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本发明的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
这些术语乃用以区分一组件与另一组件。因此,下文论述的第一组件可称为第二组件而不偏离本发明概念的教示。如本文中所使用,术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解,附图只是示例实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的,因此不能用于限制本发明的保护范围。
在本申请中,贡献度与参与度的含义相同,模态的参与度与模态的贡献度含义相同。
图1是根据本发明实施例的一种柔性充气飞行器结构刚度退化率预测方法的流程图,如图1所示,该方法包括:
步骤S101:建立第一数据库。
作为一种可选的实施方式,建立第一数据库,包括:建立充气结构模型的有限元模型;对有限元模型定义压力载荷;批处理调用有限元求解器,瞬态求解在压力载荷下的刚度和褶皱区;根据求解得到的刚度和褶皱区建立第一数据库。
充气结构模型通常采用的是所述柔性充气飞行器的基本结构构成单元。
例如,在本申请的实例中,柔性充气飞行器的充气翼采用多个充气的圆柱构成,那么此处就采用充气的圆柱作为充气结构模型来建立第一数据库。
在柔性充气飞行器采用多种基本结构构成单元的情况下,充气结构模型也采用多种基本结构构成单元来建立第一数据库。
作为一种可选的实施方式,采用ANSYS有限元软件建立有限元模型。
ANSYS有限元软件是一个多用途的有限元法计算机设计程序,可以用来求解结构、流体、电力、电磁场及碰撞等问题。
ANSYS软件主要包括三个部分:前处理模块,分析计算模块和后处理模块。
前处理模块提供了一个强大的实体建模及网格划分工具,用户可以方便地构造有限元模型。
前处理:指创建实体模型及有限元模型。
实体模型:即结构的几何模型,它不参与有限元分析。
有限元模型的建立包括定义单元属性和划分网格。
在实体模型上定义了单元属性、划分了网格后,就将实体模型转变为了有限元模型。
单元属性是指在划分网格之前,必须指定的所分析对象的特征,这些特征包括:材料属性、单元类型和实常数。材料属性视分析的类型而定,例如,结构分析至少要输入材料的杨氏模量,热分析至少要输入材料的导热系数。
ANSYS软件提供了100种以上的单元类型,用来模拟工程中的各种结构和材料,例如,link系列单元用于模拟杆,beam系列单元用于模拟梁,shell系列单元用于模拟板壳,例如link10可用于模拟拉索,beam44可用于模拟薄壁的钢结构构件或变截面的构件,shell41可用于模拟膜。根据结构和材料选择合适的单元类型。
实体模型可以在ANSYS中直接创建,也可以在其他软件(如CAD)中创建实体模型,然后通过数据接口读入ANSYS中。
有限元模型可以由实体模型划分有限元网格后建立,也可以直接创建节点和单元来建立。
分析计算模块用于施加载荷并求解:施加载荷及载荷选项、设定约束条件,求解。
一种压力载荷作用在充气结构上时,能够产生一种对应的褶皱区和刚度。在不同压力载荷作用下,产生的褶皱区的几何特征是不同的。
每一个基本褶皱区几何特征对应一种基础模态。
本申请实施例中,将充气结构模型一端固支,内部向外均布压力载荷,上表面外部分别定义均布、多项式分布载荷,并参数化载荷数值。
批处理调用有限元求解器,瞬态求解记录刚度与褶皱区,得到充气结构模型的基本褶皱区几何特征-刚度退化率关系,或者,充气结构模型的载荷-基本褶皱区几何特征-刚度退化率关系,建立第一数据库。
第一数据库中存储了充气结构模型的基本褶皱区几何特征-刚度退化率关系。
作为一种可选的实施方式,第一数据库中存储了充气结构模型的载荷-基本褶皱区几何特征-刚度退化率关系。
后处理模块用于查看分析结果,检验结果。
步骤S102:获取待测对象的褶皱区图像。
待测对象为柔性充气飞行器上的部件,例如充气翼等。
作为一种可选的实施方式,对待测对象的表面进行涂装,以增强图像识别效果,具体地,对待测对象的表面进行高对比度涂装,如涂上棋盘、条纹的图案。
作为一种可选的实施方式,获取待测对象的褶皱区图像,包括:通过光学传感器拍摄待测对象表面的图像;通过转化矩阵对正拍摄得到的图像;识别图像中的褶皱区;对褶皱区池化,过滤掉细微褶皱区,得到待测对象的褶皱区图像。细微褶皱区为由于工艺与结构线条形成的,并不是由于压力载荷形成的,属于干扰,通过过滤掉细微褶皱区从而排除干扰。
池化是一种对图像进行压缩的方法。
图像越大,处理速度与识别难度越大。通过池化处理,能够降低图像的尺寸。
池化通过对不同特征进行聚合统计处理以获得相对更低的维度,同时避免出现过拟合现象。
池化在降低各个特征图维度的同时保留大部分重要信息,目前主要有最大化、平均化、加和等方式。
最常见的池化操作有平均池化(mean pooling) 和最大值池化(max pooling) 两种。平均池化:计算图像区域的平均值,并以此作为该区域池化后的值。最大值池化:选取图像区域的最大值,并以此作为该区域池化后的值。
步骤S103:对待测对象的褶皱区图像进行模态分解,得到多个分解模态和每个分解模态的贡献度。
当飞行器表面作用了不同的压力载荷分布时,形成的褶皱区的特征是不同的。不同的基础模态具有不同的压力载荷分布特征,以及对应的褶皱区图像特征。
作为一种可选的实施方式,对待测对象的褶皱区图像进行模态分解,得到多个分解模态和每个分解模态的贡献度,包括:基于模态分解得到的分解模态的贡献度将多个分解模态通过线性组合获得的褶皱区与待测对象的褶皱区图像的几何相似律进行比较;若二者的几何相似律大于或等于预设几何相似律阈值,则模态分解成功;记录模态分解得到的分解模态和每个分解模态的贡献度。分解得到的所有分解模态的贡献度之和为1。
预设几何相似律阈值可以根据需要进行设置,例如设置为90%、92%、95%、96%、98%等。预设几何相似律阈值越高,则本方法的准确度越高,同时模态分解时的计算量也越大。
例如,模态分解成功了,分解得到的分解模态有3个,分别为分解模态m1´、分解模态m2´、分解模态m3´。分解模态m1´的贡献度为g1;分解模态m2´的贡献度为g2;分解模态m3´的贡献度为g3。g1+g2+g3=1。
步骤S104:基于模态分解得到的多个分解模态与第一数据库中的基础模态确定出参与模态和每个参与模态的贡献度。所有参与模态均为第一数据库中的基础模态,参与模态的贡献度根据模态分解得到的分解模态的贡献度获得。
假设第一数据库中存储着100种基础模态,分别为基础模态m1、基础模态m2、……、基础模态m100。基础模态m1对应的刚度退化率为t1;基础模态m2对应的刚度退化率为t2;……;基础模态m100对应的刚度退化率为t100。
将模态分解得到的分解模态m1´、分解模态m2´、分解模态m3´与第一数据库中存储的100种基础模态进行对照,从这100种基础模态中分别找出与分解模态m1´、分解模态m2´、分解模态m3´一致的模态,假设基础模态m25与分解模态m1´一致,基础模态m83与分解模态m2´一致,基础模态m46与分解模态m3´一致,则,基础模态m25、基础模态m83、基础模态m46即为参与模态,并且,这三个参与模态的贡献度分别为g1、g2、g3,刚度退化率分别为t25、t83、t46。
发明人发现,常用的基础模态是均布载荷、多项式分布载荷以及正弦分布载荷,通过调整峰值和/或相位,能够得到多种基础模态,因此,第一数据库中可存储多种不同峰值的均布、多项式以及不同相位正弦分布载荷。模态分解时也将模态按照均布载荷、多项式分布载荷或正弦分布载荷进行分解,得到的分解模态也是均布载荷、多项式分布载荷以及正弦分布载荷中的一种或多种,这样,就能够保证一定能够在第一数据库中找到与分解模态一致的基础模态,即,一定能确定出参与模态。
步骤S105:根据各个参与模态的贡献度以及各个参与模态的刚度退化率计算待测对象的总体刚度退化率。
作为一种可选的实施方式,根据各个参与模态的贡献度以及各个参与模态的刚度退化率计算待测对象的总体刚度退化率,包括:将各个参与模态的刚度退化率进行线性叠加,其中,在线性叠加过程中将参与模态的贡献度作为权重,得到待测对象的总体刚度退化率。
待测对象的总体刚度退化率T总=t25×g1+t83×g2+t46×g3
作为一种可选的实施方式,在计算出待测对象的总体刚度退化率T总之后,判断待测对象的总体刚度退化率是否超过预设总体刚度退化率阈值。预设总体刚度退化率阈值是根据实际需要预先设置的值,如果飞行器在飞行过程中的刚度退化率超过该值,则说明飞行器上的压力载荷过大,不利于飞行安全。如果待测对象的总体刚度退化率超过预设总体刚度退化率阈值,则可以通过调整柔性充气飞行器的飞行速度、飞行姿态等来减小施加于柔性充气飞行器上的压力载荷,从而保证柔性充气飞行器的安全。
在传统方法中,往往通过传感器测量柔性充气飞行器表面的压力分布情况,然后通过压力分布情况确定刚度退化率,这种方法的核心在于通过传感器实时测量柔性充气飞行器表面的压力分布,而由于柔性充气飞行器的材料以及结构对于通过传感器实时测量压力非常不利,导致无法通过传感器实时准确地测量飞行过程中柔性充气飞行器表面的压力分布,从而无法实时确定(计算)飞行过程中飞行器的刚度退化率。
本申请的方案,核心是在柔性充气飞行器飞行时,通过获取柔性充气飞行器表面的褶皱区图像,对褶皱区图像进行分析以确定刚度退化率,不需要在柔性充气飞行器飞行过程中实时测量其表面的压力分布,从而避免了传统方法中的问题。
图2是根据本发明实施例的一种柔性充气飞行器结构刚度退化率预测方法的流程图,该方法主要步骤包括建立数据库、硬件搭载、图像处理、模态分解、反演刚度退化率。下面详细说明。
建立数据库:如图2的步骤S201至步骤S204,通过传统有限元方法建立高精度充气结构模型,加载不同峰值的均布、多项式以及不同相位正弦分布载荷,并记录其刚度与褶皱区几何特征,建立载荷-褶皱区几何特征-刚度退化率的基本数据库(即上述第一数据库)。
硬件搭载:如图2的步骤S205至步骤S206,在待测对象平台上安装光学传感器与机载计算机,用于获取充气结构表面的图像信息。可在充气结构上表面施加高对比度涂装,如棋盘、条纹等以改善图像识别效果。
图像处理:如图2的步骤S207至步骤S210,褶皱区图像数字化,并通过转化矩阵对正充气翼图像,通过点运算、滤波、全局优化等方法对图像进行处理,聚类识别所有充气翼表面形成的褶皱。对褶皱区池化,过滤由于工艺与结构线条形成的细微褶皱区,最终获得褶皱区分布的主要几何形位。
模态分解:如图2的步骤S211至步骤S212,采用POD方法对执行图像处理步骤之后获得的数字图像进行模态分解,模态提取的阶数原则为所提取的模态(即上述分解模态)通过线性组合获得的褶皱区与图像信息的几何相似律≥95%(即,预设几何相似律阈值设置为95%),根据分解模态和第一数据库中的基础模态确定并记录参与模态和参与度。
例如,模态分解成功了(分解模态通过线性组合获得的褶皱区与图像信息的几何相似律≥95%),分解得到的分解模态有3个,分别为分解模态m1´、分解模态m2´、分解模态m3´。分解模态m1´的贡献度为g1;分解模态m2´的贡献度为g2;分解模态m3´的贡献度为g3。g1+g2+g3=1。
假设第一数据库中存储着100种基础模态,分别为基础模态m1、基础模态m2、……、基础模态m100。基础模态m1对应的刚度退化率为t1;基础模态m2对应的刚度退化率为t2;……;基础模态m100对应的刚度退化率为t100。
将模态分解得到的分解模态m1´、分解模态m2´、分解模态m3´与第一数据库中存储的100种基础模态进行对照,从这100种基础模态中分别找出与分解模态m1´、分解模态m2´、分解模态m3´一致的模态,假设基础模态m25与分解模态m1´一致,基础模态m83与分解模态m2´一致,基础模态m46与分解模态m3´一致,则,基础模态m25、基础模态m83、基础模态m46即为参与模态,并且,这三个参与模态的贡献度分别为g1、g2、g3,刚度退化率分别为t25、t83、t46。
反演刚度退化率:如图2的步骤S213至步骤S214,根据参与模态的贡献度,对其对应的退化率的线性叠加,获得充气翼的总体刚度退化率。待测对象的总体刚度退化率T总=t25×g1+t83×g2+t46×g3。
实施例1:本实施例以充气结构的标模ETFE管为例,说明本发明的具体流程
步骤1:建立充气管的几何模型,如图3所示。
步骤2:建立充气管的有限元模型。根据ETFE标模的特点,选用Shell41单元建模,厚度0.2mm,如图4所示。
Shell41是一个三维单元,平面内具有膜强度但平面外没有弯曲强度。这是壳体结构特有的,因为其单元弯曲是次要的。单元在每个节点有三个自由度:沿节点x,y,z轴向的移动。单元具有变厚度,应变强度,大偏差和材料的选择。
步骤3:定义边界条件。充气管一端固支(约束了所有自由度),内部向外均布压力载荷,上表面外部分别定义均布、多项式分布载荷,并参数化载荷数值。
步骤4:批处理调用有限元求解器,瞬态求解记录刚度与褶皱区,建立数据库(即上述第一数据库)。褶皱区单元判别如下:
Fw=σ1σ2/|σ1σ2|,
σ1表示单元的最大主应力,σ2表示单元的最小主应力。
当F w= -1时,单元起皱。
步骤5:有限元求解任意复杂载荷下的充气管的褶皱区,褶皱区图像数字化,包括两个主要阶段:a. 在空间坐标对图像离散化,即图像采样。根据充气结构的几何复杂度和尺寸规格,初选目标分辨率,由于充气管结构与褶皱分布较为简单,目标分辨率选为64*512。b. 在幅度上离散化,即灰度级量化(取整)。根据像素色彩量化为8位图像。此时,模拟图像即可用64*512维矩阵表征,矩阵元素则是其对应位置像素的灰度值。最后对其池化处理,如图5所示。
步骤6:采用POD方法对复杂载荷下的充气管的褶皱区进行模态分解,POD方法理论如下:
测量同一种现象,每次测量值为包含大量n个实数项的向量x k (第k个n行列向量),以发现数据中的相互依赖性,并将数据集减少到参数r << n的更小数量为目标,可以描述为如下优化问题:
E|x-Px|^2 --> min
X为实数空间R n 中的随机实向量,E为期望。为秩r的投影算子P可表示为:
P=VU,UV=Ir
设矩阵W,则上述问题对于协方差矩阵的r主特征向量有一个解:
W=Wx=Exx’
最佳正交投影:
P=VV’,V=[v1,v2,…,Vr]
分解获得的褶皱区模态如图6所示。
步骤7:调用数据库,确定参与模态,将各阶参与模态对应的退化率进行线性组合,即获得刚度退化率预测值。其结果以有限元仿真为标准进行对比,误差约6.71%。
实施例2:本实施例以充气翼为例,说明本发明在复杂充气结构上的有效性
步骤1:搭建充气翼实验平台,包括空气压缩机,充气翼,底座,光学传感器,配重,载荷,如图7所示,其中,A为空气压缩机,B为充气翼,C为支架,D为光学传感器,E为载荷。
步骤2:建立充气翼的有限元模型。选用Shell41单元建模,厚度0.2mm,如图8所示。
步骤3:定义边界条件。充气管一段固支,内部向外均布压力载荷,上表面外部分别定义均布、多项式分布载荷,并参数化载荷数值。
步骤4:批处理调用有限元求解器,瞬态求解记录刚度与褶皱区,建立数据库。
步骤5:通过均值滤波对光学传感器拍摄的充气翼的褶皱区图像进行降噪处理,获得真实的充气翼褶皱区,并对其池化处理。
步骤6:褶皱区图像数字化,并采用POD方法对复杂载荷下的充气管的褶皱区进行模态分解。
POD法伪代码:
%% 1.1 定义快照集合
energy=0.999999;
G_X=X;
%% 1.2 对快照集合进行奇异值分解
[U_X_1,S_X_1,V_X]=svd(G_X); %U_X_1为特征向量,S_X_1为降序排列的特征值矩阵,V_X为正交矩阵。
%% 1.3 根据能量值确定最佳正交基
%1.3.1 计算总能量值
定义循环,遍历S_X_1;
end
累加获得总能量值;
%1.3.2 确定正交基
定义循环,遍历S_X_1;
计算正交基;
end
%当所选正交向量所对应的总能占比小于规定值时进行循环
定义循环,试凑energy_x
end
%% 2. 2.求系数向量
定义循环,遍历X
定义循环,遍历U_X
运算a_X中元素
end
end
输出正交基,系数向量
充气管前三阶模态数字图像:
第一阶:
0 0 0 0 0 0 0 0
0 1 1 1 1 1 1 0
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 0 0 0 0 0 0 1
第二阶:
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 0 0 1 1 1
1 1 1 1 1 1 1 1
1 1 1 0 0 1 1 1
1 1 1 1 1 1 1 1
1 1 1 0 0 1 1 1
1 1 1 1 1 1 1 1
1 1 1 0 0 1 1 1
1 1 1 1 1 1 1 1
1 1 1 0 0 1 1 1
1 1 1 1 1 1 1 1
1 1 1 0 0 1 1 1
1 1 1 1 1 1 1 1
1 1 0 0 0 0 1 1
1 1 1 1 1 1 1 1
1 1 0 0 0 0 1 1
1 1 1 1 1 1 1 1
1 0 0 0 0 0 0 1
1 1 1 1 1 1 1 1
1 0 0 0 0 0 0 1
1 1 1 1 1 1 1 1
1 0 0 0 0 0 0 1
1 0 0 0 0 0 0 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
第三阶:
1 1 1 1 1 1 1 1
1 1 0 0 0 0 1 1
1 1 1 0 0 1 1 1
1 1 1 1 1 1 1 1
1 1 1 0 0 1 1 1
1 1 1 1 1 1 1 1
1 1 1 0 0 1 1 1
1 1 1 1 1 1 1 1
1 1 1 0 0 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 0 0 1 1 1
1 1 1 1 1 1 1 1
1 1 1 0 0 1 1 1
1 1 1 1 1 1 1 1
1 1 1 0 0 1 1 1
1 1 1 1 1 1 1 1
1 1 1 0 0 1 1 1
1 1 0 0 0 0 1 1
1 1 1 1 1 1 1 1
步骤7:调用数据库,确定参与模态,将各阶参与模态对应的退化率进行线性组合,即获得刚度退化率预测值。其结果以静力实验真为标准进行对比,误差约8.02%。
从实施例1和实施例2能够看出,本申请的方案误差是较小的,实时预测飞行器结构刚度退化率的准确度是较高的。
背景技术部分提到的方法仅通过经验给出屈曲临界状态,刚度退化率达100%时的褶皱区特征,无法建立褶皱区与充气结构刚度的实际联系,无法对褶皱发展过程中充气翼刚度退化的时间历程精确描述,导致其难以适用于不同安全裕度的充气翼飞行器。
而本申请的方案通过复杂的褶皱区几何的形位特征确定结构的刚度退化状态,能够建立褶皱区与充气结构刚度的实际联系,通过建立基于图像识别的褶皱区-刚度退化率的显式数理关系,实现对复杂工况下充气翼刚度退化率的实时预测。
本申请的方案与背景技术部分提到的方法的技术路线是截然不同的。背景技术对褶皱的判别采用了有限元方法,需要准确的载荷输入,而褶皱区作为输出。本发明则以载荷未知为前提,通过可实际获知的褶皱区形态,直接预测充气结构的刚度退化状态。
本申请的方案预测刚度退化率时,将图像信息作为输入,能够实现飞行器的在线应用,进而实时预测飞行器的结构稳定性,如果发现飞行器的总体刚度退化率是否超过预设总体刚度退化率阈值,则可调整飞行器的飞行速度、飞行姿态等,以减小施加于飞行器的压力载荷,提升任务的效能与安全性。
在传感器高时间分辨率的前提下,本申请能够给出时变载荷下结构刚度退化率的连续变化历程,能够为结构动力学方程中刚度项的修正提供依据,最终服务于在颤振、突风响应等动气弹问题的高效分析。
本申请进行图像信息处理时能够采用有限元仿真进行替代,在数值仿真方面同样具有较高的泛用性。
图9是本申请实施例提供的一种柔性充气飞行器结构刚度退化率预测装置的示意图。该装置包括:
数据库建立单元10,用于建立第一数据库,第一数据库为充气结构模型的基本褶皱区几何特征-刚度退化率关系的基本数据库,每一个基本褶皱区几何特征对应一种基础模态。
获取单元20,用于获取待测对象的褶皱区图像,待测对象为柔性充气飞行器上的部件。
模态分解单元30,用于对待测对象的褶皱区图像进行模态分解,得到多个分解模态和每个分解模态的贡献度。
确定单元40,用于基于模态分解得到的多个分解模态与第一数据库中的基础模态确定出参与模态和每个参与模态的贡献度,所有参与模态均为第一数据库中的基础模态,参与模态的贡献度根据模态分解得到的分解模态的贡献度获得。
计算单元50,用于根据各个参与模态的贡献度以及各个参与模态的刚度退化率计算待测对象的总体刚度退化率。
本申请在载荷未知的前提下,通过实际获知的褶皱区形态,直接预测充气结构的刚度退化情况,无需获取柔性充气飞行器实际飞行中气动载荷,解决了传统方案中柔性充气飞行器实际飞行中气动载荷难以获取而导致的结构刚度难以预测的问题,达到了实时预测柔性充气飞行器结构刚度退化情况的效果。
可选地,获取单元20包括:拍摄子单元、对正子单元、识别子单元、池化子单元。
拍摄子单元,用于通过光学传感器拍摄待测对象表面的图像。
对正子单元,用于通过转化矩阵对正拍摄得到的图像。
识别子单元,用于识别图像中的褶皱区。
池化子单元,用于对褶皱区池化,过滤掉细微褶皱区,得到待测对象的褶皱区图像,其中,细微褶皱区是由于工艺与结构线条形成的。
可选地,模态分解单元30包括:比较子单元、确定子单元、记录子单元。
比较子单元,用于基于模态分解得到的分解模态的贡献度将多个分解模态通过线性组合获得的褶皱区与待测对象的褶皱区图像的几何相似律进行比较。
确定子单元,用于若二者的几何相似律大于或等于预设几何相似律阈值,则模态分解成功。
记录子单元,用于记录模态分解得到的分解模态和每个分解模态的贡献度。
可选地,计算单元50,包括:线性叠加子单元。
线性叠加子单元,用于将各个参与模态的刚度退化率进行线性叠加,其中,在线性叠加过程中将参与模态的贡献度作为权重,得到待测对象的总体刚度退化率。
可选地,数据库建立单元10,包括:有限元模型建立子单元、定义子单元、求解子单元、数据库建立子单元。
有限元模型建立子单元,用于建立充气结构模型的有限元模型。
定义子单元,用于对有限元模型定义压力载荷。
求解子单元,用于批处理调用有限元求解器,瞬态求解在压力载荷下的刚度和褶皱区。
数据库建立子单元,用于根据求解得到的刚度和褶皱区建立第一数据库。
可选地,装置还包括:褶皱区图像数字化子单元。褶皱区图像数字化子单元用于:对待测对象的褶皱区图像进行模态分解之前,在空间坐标对图像离散化;在幅度上对图像离散化。
可选地,装置还包括:控制单元。控制单元用于在待测对象的总体刚度退化率超过预设总体刚度退化率阈值时,控制柔性充气飞行器改变以下至少之一:飞行速度、飞行姿态。
图10是本申请实施例提供的一种电子设备的框图。
下面参照图10来描述根据本公开的这种实施方式的电子设备700。图10显示的电子设备700仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图10所示,电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于:至少一个处理单元710、至少一个存储单元720、连接不同***组件(包括存储单元720和处理单元710)的总线730、显示单元740等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元710执行,使得所述处理单元710执行本说明书中描述的根据本公开各种示例性实施方式的步骤。
所述存储单元720可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202,还可以进一步包括只读存储单元(ROM)7203。
所述存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204,这样的程序模块7205包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线730可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备700也可以与一个或多个外部设备700’(例如键盘、指向设备、蓝牙设备等)通信,使得用户能与该电子设备700交互的设备通信,和/或该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且,电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器760可以通过总线730与电子设备700的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备700使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,如图11所示,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。
所述软件产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该计算机可读介质实现如下功能:建立第一数据库,所述第一数据库为充气结构模型的基本褶皱区几何特征-刚度退化率关系的基本数据库,每一个基本褶皱区几何特征对应一种基础模态;获取待测对象的褶皱区图像,所述待测对象为所述柔性充气飞行器上的部件;对所述待测对象的褶皱区图像进行模态分解,得到多个分解模态和每个分解模态的贡献度;基于模态分解得到的多个分解模态与所述第一数据库中的基础模态确定出参与模态和每个参与模态的贡献度,所有参与模态均为所述第一数据库中的基础模态,参与模态的贡献度根据模态分解得到的分解模态的贡献度获得;根据各个参与模态的贡献度以及各个参与模态的刚度退化率计算所述待测对象的总体刚度退化率。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中,也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是,本公开不限于这里描述的详细结构、设置方式或实现方法;相反,本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
Claims (11)
1.一种柔性充气飞行器结构刚度退化率预测方法,其特征在于,所述方法包括:
建立第一数据库,所述第一数据库为充气结构模型的基本褶皱区几何特征-刚度退化率关系的基本数据库,每一个基本褶皱区几何特征对应一种基础模态;
获取待测对象的褶皱区图像,所述待测对象为所述柔性充气飞行器上的部件;
对所述待测对象的褶皱区图像进行模态分解,得到多个分解模态和每个分解模态的贡献度;
基于模态分解得到的多个分解模态与所述第一数据库中的基础模态确定出参与模态和每个参与模态的贡献度,所有参与模态均为所述第一数据库中的基础模态,参与模态的贡献度根据模态分解得到的分解模态的贡献度获得;
根据各个参与模态的贡献度以及各个参与模态的刚度退化率计算所述待测对象的总体刚度退化率。
2.根据权利要求1所述的方法,其特征在于,获取待测对象的褶皱区图像,包括:
通过光学传感器拍摄所述待测对象表面的图像;
通过转化矩阵对正拍摄得到的图像;
识别图像中的褶皱区;
对褶皱区池化,过滤掉细微褶皱区,得到所述待测对象的褶皱区图像,其中,所述细微褶皱区是由于工艺与结构线条形成的。
3.根据权利要求1所述的方法,其特征在于,对所述待测对象的褶皱区图像进行模态分解,得到多个分解模态和每个分解模态的贡献度,包括:
基于模态分解得到的分解模态的贡献度将多个分解模态通过线性组合获得的褶皱区与所述待测对象的褶皱区图像的几何相似律进行比较;
若二者的几何相似律大于或等于预设几何相似律阈值,则模态分解成功;
记录模态分解得到的分解模态和每个分解模态的贡献度。
4.根据权利要求1所述的方法,其特征在于,根据各个参与模态的贡献度以及各个参与模态的刚度退化率计算所述待测对象的总体刚度退化率,包括:
将各个参与模态的刚度退化率进行线性叠加,其中,在线性叠加过程中将参与模态的贡献度作为权重,得到所述待测对象的总体刚度退化率。
5.根据权利要求1所述的方法,其特征在于,建立第一数据库,包括:
建立充气结构模型的有限元模型;
对有限元模型定义压力载荷;
批处理调用有限元求解器,瞬态求解在所述压力载荷下的刚度和褶皱区;
根据求解得到的刚度和褶皱区建立所述第一数据库。
6.根据权利要求1所述的方法,其特征在于,对所述待测对象的褶皱区图像进行模态分解之前,所述方法还包括:褶皱区图像数字化,
所述褶皱区图像数字化包括:在空间坐标对图像离散化;在幅度上对图像离散化。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
判断所述待测对象的总体刚度退化率是否超过预设总体刚度退化率阈值;
若超过,则控制所述柔性充气飞行器改变以下至少之一:飞行速度、飞行姿态。
8.一种柔性充气飞行器结构刚度退化率预测装置,其特征在于,所述装置包括:
数据库建立单元,用于建立第一数据库,所述第一数据库为充气结构模型的基本褶皱区几何特征-刚度退化率关系的基本数据库,每一个基本褶皱区几何特征对应一种基础模态;
获取单元,用于获取待测对象的褶皱区图像,所述待测对象为所述柔性充气飞行器上的部件;
模态分解单元,用于对所述待测对象的褶皱区图像进行模态分解,得到多个分解模态和每个分解模态的贡献度;
确定单元,用于基于模态分解得到的多个分解模态与所述第一数据库中的基础模态确定出参与模态和每个参与模态的贡献度,所有参与模态均为所述第一数据库中的基础模态,参与模态的贡献度根据模态分解得到的分解模态的贡献度获得;
计算单元,用于根据各个参与模态的贡献度以及各个参与模态的刚度退化率计算所述待测对象的总体刚度退化率。
9.一种柔性充气飞行器结构刚度退化率预测设备,其特征在于,所述设备包括:
摄像头;
用于执行如权利要求1-7中任一所述方法的柔性充气飞行器结构刚度退化率预测装置。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
11.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211402193.4A CN115438556B (zh) | 2022-11-10 | 2022-11-10 | 柔性充气飞行器结构刚度退化率预测方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211402193.4A CN115438556B (zh) | 2022-11-10 | 2022-11-10 | 柔性充气飞行器结构刚度退化率预测方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115438556A CN115438556A (zh) | 2022-12-06 |
CN115438556B true CN115438556B (zh) | 2022-12-30 |
Family
ID=84252014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211402193.4A Active CN115438556B (zh) | 2022-11-10 | 2022-11-10 | 柔性充气飞行器结构刚度退化率预测方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115438556B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111723506A (zh) * | 2020-06-22 | 2020-09-29 | 中国核动力研究设计院 | 一种***级分析模型各部件动力贡献度分析方法及*** |
CN112710539A (zh) * | 2020-12-22 | 2021-04-27 | 沈阳工业大学 | 含褶皱缺陷的风力机叶片主梁疲劳寿命的快速预测方法 |
CN114417534A (zh) * | 2022-02-21 | 2022-04-29 | 北京科技大学 | 一种基于Wiener过程和P-EMD的机械结构剩余寿命预测方法 |
CN114720129A (zh) * | 2022-03-25 | 2022-07-08 | 山东大学 | 一种基于双向gru的滚动轴承剩余寿命预测方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10279891B2 (en) * | 2016-06-02 | 2019-05-07 | Google Llc | Software controlled stiffening of flexible aircraft |
-
2022
- 2022-11-10 CN CN202211402193.4A patent/CN115438556B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111723506A (zh) * | 2020-06-22 | 2020-09-29 | 中国核动力研究设计院 | 一种***级分析模型各部件动力贡献度分析方法及*** |
CN112710539A (zh) * | 2020-12-22 | 2021-04-27 | 沈阳工业大学 | 含褶皱缺陷的风力机叶片主梁疲劳寿命的快速预测方法 |
CN114417534A (zh) * | 2022-02-21 | 2022-04-29 | 北京科技大学 | 一种基于Wiener过程和P-EMD的机械结构剩余寿命预测方法 |
CN114720129A (zh) * | 2022-03-25 | 2022-07-08 | 山东大学 | 一种基于双向gru的滚动轴承剩余寿命预测方法及*** |
Non-Patent Citations (1)
Title |
---|
具有非对称褶皱结构的自生长软体机器人设计与运动特性;孟军辉 等;《兵工学报》;20220712;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115438556A (zh) | 2022-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rozza et al. | Advances in reduced order methods for parametric industrial problems in computational fluid dynamics | |
Guruswamy | A review of numerical fluids/structures interface methods for computations using high-fidelity equations | |
Kleb et al. | Sketch-to-solution: An exploration of viscous CFD with automatic grids | |
Capiez-Lernout et al. | Computational stochastic statics of an uncertain curved structure with geometrical nonlinearity in three-dimensional elasticity | |
Winter et al. | CFD-based aeroelastic reduced-order modeling robust to structural parameter variations | |
Widhalm et al. | Investigation on adjoint based gradient computations for realistic 3D aero-optimization | |
CN107341279A (zh) | 一种针对高耗时约束的飞行器快速近似优化方法 | |
Jacobson et al. | Flutter Analysis with Stabilized Finite Elements based on the Linearized Frequency-domain Approach | |
Wang et al. | Sensitivity analysis of multidisciplinary rotorcraft simulations | |
Deng et al. | Data-driven calibration of multifidelity multiscale fracture models via latent map gaussian process | |
He et al. | Aerodynamic optimisation of a high-speed train head shape using an advanced hybrid surrogate-based nonlinear model representation method | |
Ouyang et al. | A novel dynamic model updating method for composite laminate structures considering non-probabilistic uncertainties and correlations | |
Funes et al. | An efficient dynamic formulation for solving rigid and flexible multibody systems based on semirecursive method and implicit integration | |
Nigam et al. | A toolset for creation of multi-fidelity probabilistic aerodynamic databases | |
CN115438556B (zh) | 柔性充气飞行器结构刚度退化率预测方法、装置及设备 | |
Kroll et al. | Flow simulation and shape optimization for aircraft design | |
CN110083946B (zh) | 一种基于无约束优化模型的多状态模型修正的方法 | |
Neumann et al. | Coupling strategies for large industrial models | |
Dean et al. | Aircraft stability and control characteristics determined by system identification of CFD simulations | |
CN113641960B (zh) | 一种基于Givens变换的成分数据时间序列预测方法和*** | |
CN111177855B (zh) | 一种全局气动弹性优化中的气动结构求解方法及*** | |
Martín et al. | CAD-based aerodynamic shape design optimization with the DLR tau code | |
CN114154355A (zh) | 卫星跟踪指向控制地面仿真***效能评估方法 | |
Bobrowski et al. | CAD-based aerodynamic shape optimization using geometry surrogate model and adjoint methods | |
Xu et al. | An application of data-driven modeling for hydroelasticity of an elastically supported semi-circular pipe conveying fluid |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |