一种基于群智能优化算法下的水下折展机构参数优化方法技术

本发明专利技术提供了一种基于群智能优化算法的水下折展机构参数优化方法，利用仿真模拟、模型预测、算法优化等技术对水下折展机构进行分析，通过改变倒角、减少连杆厚度等方法在保证结构强度的基础上减少水阻力对机构水下性能的影响，提高水下折展机构的操作流畅性与工作可靠性。本发明专利技术的突出特点在于：利用流固耦合仿真模拟获取不同外形参数下的工作性能参数、借助BP神经网络模型与支持向量回归模型SVR联合预测，快速扩充数据集，使用粒子群优化算法，通过粒子寻优对数据进行分析，获取最优性能参数下的结构参数，探索并实现符合实际生产需求的结构最优目标。的结构最优目标。的结构最优目标。

【技术实现步骤摘要】
一种基于群智能优化算法下的水下折展机构参数优化方法


[0001]本专利技术涉及水下大尺寸机构参数优化
，具体涉及一种基于粒子群算法，利用双神经网络模型获取水下折展机构最优外形参数的优化方法。

技术介绍

[0002]目前，各种水下甚至深海探测和科研考察项目逐步兴起，水下设备的使用更加频繁，对性能的要求也更高。众所周知，水下器件在使用过程中会受到水流阻力与压力的作用，对器件的正常运转和高精度要求产生影响。当水流与物体相对运动时，物体与流体接触面上的作用力产生沿运动方向的分力。液体实际流动时，由于液体本身具有粘滞性，紧贴固体壁面的液体质点将粘附在壁面上，液体流速从固体壁面上零值增加到主流流速，形成一定的流速梯度。根据牛顿内摩擦定律，这种流速梯度的存在，会引起相邻液体层间的摩擦切力，即水阻力。随着海洋开发力度的加大，人们对于各种水下器件的总体性能提出了更高的要求。良好的水阻力性能可使水下器件具备更好的实用性，减少能耗，增加器件使用寿命，同时也有利于开展精密度要求高的科研及工程项目。
[0003]现有水下器械构造大多离不开水下折展机构，而水下器件的折展机构及其折展过程无疑受到水阻力的严重影响，以往器件结构设计中常常使用减少器件与水的接触面积来减少水阻，如使用网面结构或在器件面上增加孔状结构以减少受力面积及辅助液体流动等，但是这种设计理念所产出的器件在减少水阻力的同时，也无疑降低了机构的稳定性，减少了操作力、承重力。
[0004]为获取水下折展机构的最优性能，减少材料损耗，本专利技术在双神经网络模型的基础上，引进粒子群算法，对水下折展机构的相关外形参数进行快速优化，继而达到最佳的使用效果。

技术实现思路

[0005]基于上述问题，本专利技术提供了一种基于群智能优化算法（粒子群算法）的水下折展机构参数优化方法，利用流固耦合仿真模拟、神经网络模型预测、算法优化等技术对水下折展机构进行分析，通过改变倒角、减少连杆厚度等方法在保证结构强度的基础上减少水阻力对机构水下性能的影响，提高水下折展机构的操作流畅性与工作可靠性。本专利技术的突出特点在于：利用流固耦合仿真模拟获取不同外形参数下的工作性能参数、借助BP（Back Propagation）神经网络模型与支持向量回归模型（SVR）联合预测，快速扩充数据集，使用粒子群算法，通过粒子寻优对数据进行分析，获取最优性能参数下的结构参数，探索并实现符合实际生产需求的结构最优目标。
[0006]本专利技术的技术方案为一种基于群智能优化算法的水下折展机构参数优化方法，具体步骤包括：步骤S1，确定水下折展机构性能的参数优化目标，包括水阻力系数、杆件形变量；步骤S2，通过流固耦合仿真，获取不同倒角参数下折展机构所受水阻力系数的数
据集，记为样本数据集1；获取不同连杆厚度参数下折展机构所受杆件形变量的数据集，记为样本数据集2；步骤S3，借助神经网络进一步扩充样本数据集1和样本数据集2；分别将样本数据集1和数据样本集2划分为训练集与验证集，训练集用于训练基学习器，验证集用于验证基学习器的拟合效果，最终得到不同倒角参数与折展机构水阻力系数之间的预测模型，以及不同连杆厚度参数与折展机构杆件形变量的预测模型；通过预测模型快速扩充数据集，为粒子寻优提供充足的数据集；步骤S4，通过粒子寻优算法，获取最优输出参数（水阻力系数、杆件形变量）对应下的最佳输入参数（不用倒角、不同杆件厚度），指导水下折展机构的参数优化。
[0007]步骤S2中流固耦合仿真的详细步骤为：步骤S2.1，合理选择坐标原点，构建折展机构的三维模型；步骤S2.2，将折展机构三维模型以特定的格式导出，输入有限元网格划分软件，进行网格绘制；步骤S2.3，基于所建立的折展机构三维模型，设置合理的计算域；步骤S2.4，将计算域设置为全充满的背景网格，将折展机构三维模型拆分为若干零部件，将各个连杆、肋板、销子分别导入网格划分软件，逐次单一划分部件网格，并合理设置边界层；步骤S2.5，将背景网格、各个部件网格依次导入ANSYS Fluent软件，在ANSYS Fluent软件中自动组合成网格完备的整体模型；步骤S2.6，合理选择计算模型；步骤S2.7，设定相关环境参数；步骤S2.8，导入用户自定义函数，控制各个部件运动；步骤S2.9，设置计算参数，提交计算，残差收敛后停止计算，导出结果文件；步骤S2.10，利用后处理软件对结果进行可视化处理。
[0008]进一步的，所述步骤S2.1的具体过程为，步骤S2.1.1，合理选择坐标原点，采用SolidWorks几何建模软件分别建立连杆、肋板和销子的三维几何模型；步骤S2.1.2，在所建立的坐标系中确定连杆、肋板和销子的坐标。
[0009]进一步的，其中S2.4的具体过程如下：步骤S2.4.1，基于所构建的折展机构三维模型，将计算域设置为全充满的背景网格；步骤S2.4.2，对拆分的各个部件，即连杆、肋板、销子，逐一进行网格划分，设置部件网格尺寸为20mm，合理设置边界层数，其中各部件的几何模型均为封闭的实体模型。
[0010]进一步的，其中S2.7的具体过程如下；步骤S2.7.1，设置仿真环境参数；包固体、流体的材料参数，实体域的运动参数、转动中心，边界条件，残差监测，运动的时间步数，步长等；步骤S2.7.2，使用浸入式边界处理方法，将流体方程求解的欧拉网格和固体运动求解的拉格朗日网格耦合，满足滑动和非滑动的边界条件，利用基于梯度的网格间插值方
式构建低耗散的流固边界。
[0011]进一步的，其中S2.9的具体过程如下；步骤S2.9.1，设置求解器；步骤S2.9.2，使用Fluent软件进行计算求解；步骤S2.9.3，采用基于梯度的网格间插值方式，插值规则为：U
p
=U
I
+grad(U
I
)r
Ip
；式中U
p
表示边界单元p上的物理量，U
I
表示宿主单元I上的物理量，grad(U
I
)为宿主单元I上物理量的梯度，r
Ip
表示I单元和p单元格心之间的向量；关于梯度的求解可以通过Green
‑
Gauss方法：其中Ω为空间上的一个区域，n
Ii
为I单元与相邻单元i的相邻面的法向量，
△
S
Ii
为相应的面积，N
F
为相邻单元的个数。
[0012]步骤S3中获取预测模型的详细步骤为：步骤S3.1，用划分好的训练集分别训练多个基学习器，将基学习器记作f
i
(x)，x表示训练集中的训练样本，采用一定的评定指标来评定基学习器的预测效果，最终得到在验证集上拟合效果较好的基学习器，并基于集成算法将得到的拟合效果较好的基学习器进行集成，则预测模型可表述为：；其中m为基学习器个数，为基学习器对应的权重；将模型预测结果与仿真结果对比，采用均方根误差RMSE对基学习器进行评定。
[0013]步骤S3.2检验预测模型是否达到要求，若达到则继本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于群智能优化算法下的水下折展机构参数优化方法，其特征在于，包括如下步骤：步骤S1，确定水下折展机构性能的参数优化目标，包括水阻力系数、杆件形变量；步骤S2，通过流固耦合仿真方法获取不同倒角参数下折展机构所受水阻力系数的数据集，记为样本数据集1；获取不同连杆厚度参数下折展机构所受杆件形变量的数据集，记为样本数据集2；步骤S3，针对样本数据集1和数据样本集2，分别划分为训练集与验证集，训练集用于训练基学习器，验证集用于验证基学习器的拟合效果，最终得到不同倒角参数与折展机构水阻力系数之间的预测模型，以及不同连杆厚度参数与折展机构杆件形变量的预测模型，通过预测模型快速扩充数据集，为粒子寻优提供充足的数据集；步骤S4，基于粒子寻优算法对粒子寻优算法数据集进行处理，获取最佳输出变量时对应的最佳输入参数，即最小阻力系数对应的倒角参数，以及最小杆件形变量对应的杆件厚度参数。2.如权利要求1所述的一种基于群智能优化算法下的水下折展机构参数优化方法，其特征在于：步骤S2中通过流固耦合仿真方法获取不同连杆厚度、不同倒角参数下折展机构水下力学性能的样本数据集，具体实现步骤如下；步骤S2.1，合理选择坐标原点，构建折展机构的三维模型；步骤S2.2，将折展机构三维模型以特定的格式导出，输入有限元网格划分软件，进行网格绘制；步骤S2.3，基于所建立的折展机构三维模型，设置合理的计算域；步骤S2.4，将计算域设置为全充满的背景网格，将折展机构三维模型拆分为若干零部件，将各个连杆、肋板、销子分别导入网格划分软件，逐次单一划分部件网格，并合理设置边界层；步骤S2.5，将背景网格、各个部件网格依次导入ANSYS Fluent软件，在ANSYS Fluent软件中自动组合成网格完备的整体模型；步骤S2.6，合理选择计算模型；步骤S2.7，设定相关环境参数；步骤S2.8，导入用户自定义函数，控制各个部件运动；步骤S2.9，设置计算参数，提交计算，残差收敛后停止计算，导出结果文件；步骤S2.10，利用后处理软件对结果进行可视化处理。3.如权利要求2所述的一种基于群智能优化算法下的水下折展机构参数优化方法，其特征在于：所述步骤S2.1的具体过程为，步骤S2.1.1，合理选择坐标原点，采用SolidWorks几何建模软件分别建立连杆、肋板和销子的三维几何模型；步骤S2.1.2，在所建立的坐标系中确定连杆、肋板和销子的坐标。4.如权利要求2所述的一种基于群智能优化算法下的水下折展机构参数优化方法，其特征在于：其中S2.4的具体过程如下：步骤S2.4.1，基于所构建的折展机构三维模型，将计算域设置为全充满的背景网格；步骤S2.4.2，对拆分的各个部件，即连杆、肋板、销子，逐一进行网格划分，设置部件网
格尺寸为20mm，合理设置边界层数，其中各部件的几何模型均为封闭的实体模型。5.如权利要求2所述的一种基于群智能优化算法下的水下折展机构参数优化方法，其特征在于：其中S2.7的具体过程如下；步骤S2.7.1，设置仿真环境参数；包固体、流体的材料参数，实体域的运动参数、转动中心，边界条件，残差监测，运动的时间步数，步长等；步骤S2.7.2，使用浸入式边界处理方法，将流体方程求解的欧拉网格和固体运动求解的拉格朗日网格耦合，满足滑动和非滑动的边界条件，利用基于梯度的网格间插值方式构建低耗散的流固边界。6.如权利要求2所述的一种基于群智能优化算法下的水下折展机构参数优化方法，其特征在于：其中S2.9的具体过程如下；步骤S2.9.1，设置求解器；步骤S2.9.2，使用Fluent软件进行计算求解；步骤S2.9.3，采用基于梯度的网格间插值方式，插值规则为：U
p
=U
I
+grad(U
I
)r
Ip
；式中U
p
表示边界单元p上的物理量，U
I
表示宿主单元I上的物理量，grad(U
I
)为宿主单元I上物理量的梯度，r
Ip
表示I单元和p单元格心之间的向量；关于梯度的求解可以通过Green
‑
Gauss方法：其中Ω为空间上的一个区域，n
...

【专利技术属性】
技术研发人员：李辉，王加跃，申胜男，张玮，孙畅，
申请(专利权)人：武汉大学，
类型：发明
国别省市：