CN105631066B - 一种基于模态试验结果的有限元三维模型模态调整方法 - Google Patents
一种基于模态试验结果的有限元三维模型模态调整方法 Download PDFInfo
- Publication number
- CN105631066B CN105631066B CN201410602316.8A CN201410602316A CN105631066B CN 105631066 B CN105631066 B CN 105631066B CN 201410602316 A CN201410602316 A CN 201410602316A CN 105631066 B CN105631066 B CN 105631066B
- Authority
- CN
- China
- Prior art keywords
- mode
- finite element
- individual
- testing results
- adjustment
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于基于试验结果的有限元模型模态调整方法,具体涉及一种基于运载火箭模态试验结果的有限元模型模态调整方法。本发明的设计以运载火箭模态试验结果为基础,通过自动调整影响有限元模型刚度的关键参数,来实现有限元三维模型模态的调整。具有以下两方面优点:(1)自动化。在提取影响运载火箭有限元模型模态的关键参数之后,通过优化算法对有限元三维模型模态进行优化和调整,使之与模态试验结果相吻合;(2)高效。本发明的方法通过将优化算法与模态计算方法的结合,使得在较短时间内对有限元三维模型的模态进行调整。本发明具有开放性的特点,具有很高的工程应用价值。
Description
技术领域
本发明属于基于试验结果的有限元模型模态调整方法,具体涉及一种基于运载火箭模态试验结果的有限元模型模态调整方法。
背景技术
在运载火箭的研制中,结构动力学计算在设计中起着至关重要的作用。在结构动力学的计算中,有限元方法已经成为了主要方法;随着计算机的发展与计算技术的发展,三维有限元方法在运载火箭的研制中得到了广泛应用。然而,由于运载火箭结构复杂、舱段连接复杂,通过有限元模型计算得到的模态与试验得到的模态一般差距很大。在实际工程应用中,需要对有限元模型刚度进行修正,使其低阶模态与模态试验结果相吻合。因此,如何调整有限元模型的模态,是一个十分重要的问题。
影响有限元模型模态的因素有两项:有限元模型的质量特性与有限元模型的刚度。在运载火箭的研制中,与有限元模型的刚度相比,有限元模型的质量特性的误差相对较小;在基于有限元方法的模态计算中,若建模足够准确,那么有限元模型的质量特性引起的误差可忽略。而对于运载火箭来说,有限元模型刚度的误差主要来源与舱段连接处。
因此,亟需设计一种基于模态试验结果的有限元三维模型模态的调整方法,通过调整有限元模型舱段连接处的刚度,来使得有限元模型的低阶模态与模态试验结果吻合。
发明内容
本发明要解决的技术问题是提供一种基于模态试验结果的有限元三维模型模态调整方法。通过该方法,使运载火箭研制中使用的三维有限元模型的低阶模态与模态试验结果相吻合。
为了实现这一目的,本发明采取的技术方案是:
一种基于模态试验结果的有限元三维模型模态调整方法,实现在运载火箭有限元模型模态的自动调整,包括以下步骤:
步骤1、采集运载火箭固体结构的实际外形和物理尺寸,建立模态计算的有限元网格;
步骤2、采集运载火箭固体结构的模态试验结果;
本步骤的模态实验结果指各阶模态的固有频率;
步骤3、在步骤1建立的有限元网格中,采集影响运载火箭有限元模型模态的关键参数,将之定义为基因,其个数为N1个;
步骤4、设置有限元模型中需要调整的模态阶数;
步骤5、设置步骤3采集的基因的编码规则,包括基因的排列顺序、基因表征数值分辨率;
步骤6、设置步骤2采集的基因的上下调整边界;
步骤7、设置模态调整算法的最大迭代步数;
步骤8、设置种群规模、交叉概率与变异概率的数值;将种群规模的个数记为N,交叉概率记为Pc,变异概率记为Pm;
步骤9、设置模态调整所允许的误差范围;在该步骤中对于步骤4所设置的模态阶数,每个模态均设置误差范围;
步骤10、设置适应度函数;该步骤的适应度函数值为有限元模型的模态值,函数的自变量为步骤3采集的影响运载火箭有限元模型模态的关键参数;
步骤11、根据步骤3采集的基因个数N1,随机生成步骤7所设置的种群规模个数N个个体;
步骤12、利用步骤10建立的适应度函数,对步骤11生成的N个随机的个体的模态进行计算,计算得到这N个个体的适应度;
适应度的定义为:本步骤计算得到的N个随机个体的模态与步骤2采集的模态试验结果的差值;差值与适应度成反比,差值越小,适应度越高;
步骤13、对步骤12计算得到的N个个体的适用度进行由高到低排序;淘汰后N/2个个体,留下前N/2个个体;若N为奇数,则淘汰后(N-1)/2个个体,留下前(N+1)/2个个体;
步骤14、对于步骤13计算得到的适应度最高的个体,输出该个体的基因,同时输出该个体基因所计算得到的适应度函数的值,该适应度函数的值为在该个体的基因中,所得到的有限元模型的模态值;模态值的输出个数由步骤4设置的需要调整的模态阶数决定;
若这些模态值满足步骤9设置的模态调整所允许的误差范围,则计算结束;否则进行下一步骤;
步骤15、根据步骤8设置的交叉概率Pc和变异概率Pm,基于步骤13留下的前M个个体;当N为偶数时,M=N/2;当N为奇数时,M=(N+1)/2;
通过遗传交叉、变异的方法,生成新的种群;新的种群的种群规模仍为N;
步骤16、利用步骤10建立的适应度函数,对步骤15计算得到的N个随机的个体的模态进行计算,计算得到这N个个体的适用度;
步骤17、依次循环步骤13-步骤16,记录循环迭代的次数;
步骤18、若步骤17记录的循环迭代的次数超过了步骤7设置的模态调整算法的最大迭代步数,则重新设置步骤8中的种群规模个数N,交叉概率Pc和变异概率Pm,将循环迭代的次数置为0;
步骤19、依次循环步骤11-步骤17;
步骤20、若步骤19的循环过程中记录的循环迭代的次数超过了步骤7设置的模态调整算法的最大迭代步数,那么重新设置步骤6所设置的基因的上下调整边界;
步骤21、依次循环步骤11-步骤19;
步骤22、若步骤21的循环过程中记录的循环迭代次数超过了步骤7设置的模态调整算法的最大迭代步数,那么更新设置步骤9中的模态调整允许的误差范围;通过该步骤放大模态调整后的误差;
步骤23、依次循环步骤11-步骤22,直到计算结束。
进一步的,如上所述的一种基于模态试验结果的有限元三维模型模态调整方法,步骤1中,有限元网格的建立过程中,使用三维实体单元、壳单元、梁单元与质量单元的组合形式。
进一步的,如上所述的一种基于模态试验结果的有限元三维模型模态调整方法,步骤3中,关键参数根据工程经验选取。
进一步的,如上所述的一种基于模态试验结果的有限元三维模型模态调整方法,步骤3中,关键参数为舱段之间连接螺栓的刚度、面接触实体单元的刚度、面接触壳单元的刚度。
进一步的,如上所述的一种基于模态试验结果的有限元三维模型模态调整方法,步骤9中,对1阶模态设置误差系数为1%,对2阶模态设置误差系数为5%,对3阶及3阶以上模态设置误差系数大于5%。
进一步的,如上所述的一种基于模态试验结果的有限元三维模型模态调整方法,步骤10中,适应度函数的建立过程采用求解大型矩阵特征值问题的数值方法。
进一步的,如上所述的一种基于模态试验结果的有限元三维模型模态调整方法,步骤10中,适应度函数的建立过程采用如下方法中的一种:反迭代法、子空间迭代法。
本发明设计了一种基于模态试验结果的有限元三维模型模态调整方法,实现了运载火箭有限元模型模态的自动调整。本发明的设计以运载火箭模态试验结果为基础,通过自动调整影响有限元模型刚度的关键参数,来实现有限元三维模型模态的调整。与传统的方法相比,本发明的方法具有以下两方面优点:(1)自动化。通过本发明的方法,在提取影响运载火箭有限元模型模态的关键参数之后,通过优化算法对有限元三维模型模态进行优化和调整,使之与模态试验结果相吻合;(2)高效。传统的有限元模型模态调整方法为根据工程经验调整,对于简单的运载火箭,通常需要几天时间;本发明的方法通过将优化算法与模态计算方法的结合,使得在较短时间内对有限元三维模型的模态进行调整。本发明具有开放性的特点,具有很高的工程应用价值。
具体实施方式
下面结合具体实施例对本发明技术方案进行详细说明。
本发明一种基于模态试验结果的有限元三维模型模态调整方法,实现在运载火箭有限元模型模态的自动调整,包括以下步骤:
步骤1、采集运载火箭固体结构的实际外形和物理尺寸,建立模态计算的有限元网格;在本具体实施例中,有限元网格的建立过程中,使用三维实体单元、壳单元、梁单元与质量单元的组合形式。
步骤2、采集运载火箭固体结构的模态试验结果;模态试验方法为行业公知;本步骤的模态实验结果指各阶模态的固有频率;
步骤3、在步骤1建立的有限元网格中,采集影响运载火箭有限元模型模态的关键参数,将之定义为基因,其个数为N1个;这些关键参数根据工程经验选取,一般为舱段之间连接螺栓的刚度、面接触实体单元/壳单元的刚度等;
步骤4、设置有限元模型中需要调整的模态阶数;
步骤5、设置步骤3采集的基因的编码规则,包括基因的排列顺序、基因表征数值分辨率;
步骤6、设置步骤2采集的基因的上下调整边界;
步骤7、设置模态调整算法的最大迭代步数;
步骤8、设置种群规模、交叉概率与变异概率的数值;将种群规模的个数记为N,交叉概率记为Pc,变异概率记为Pm;
步骤9、设置模态调整所允许的误差范围;在该步骤中对于步骤4所设置的模态阶数,每个模态均设置误差范围;一般来说,模态阶数低的需要设置的误差范围较小,模态结束高的可以将误差范围放大。
在本实施例中,对1阶模态设置误差系数为1%,对2阶模态设置误差系数为5%,对3阶及3阶以上模态设置误差系数大于5%。
步骤10、设置适应度函数;该步骤的适应度函数值为有限元模型的模态值,函数的自变量为步骤3采集的影响运载火箭有限元模型模态的关键参数;
函数的建立过程可采用反迭代法、子空间迭代法等求解大型矩阵特征值问题的数值方法。该方法为行业公知,可参见下面的参考文献:
王勖成.有限单元法[M].清华大学出版社,北京,2003年7月.13.6节:大型特征值问题的解法。
步骤11、根据步骤3采集的基因个数N1,随机生成步骤7所设置的种群规模个数N个个体;
步骤12、利用步骤10建立的适应度函数,对步骤11生成的N个随机的个体的模态进行计算,计算得到这N个个体的适应度;
适应度的定义为:本步骤计算得到的N个随机个体的模态与步骤2采集的模态试验结果的差值;差值与适应度成反比,差值越小,适应度越高;
步骤13、对步骤12计算得到的N个个体的适用度进行由高到低排序;淘汰后N/2个个体,留下前N/2个个体;若N为奇数,则淘汰后(N-1)/2个个体,留下前(N+1)/2个个体;
步骤14、对于步骤13计算得到的适应度最高的个体,输出该个体的基因,同时输出该个体基因所计算得到的适应度函数的值(即在该个体的基因中,所得到的有限元模型的模态值;模态值的输出个数由步骤4设置的需要调整的模态阶数决定),该适应度函数的值为在该个体的基因中,所得到的有限元模型的模态值;模态值的输出个数由步骤4设置的需要调整的模态阶数决定;
若这些模态值满足步骤9设置的模态调整所允许的误差范围,则计算结束;否则进行下一步骤;
步骤15、根据步骤8设置的交叉概率Pc和变异概率Pm,基于步骤13留下的前M个个体;当N为偶数时,M=N/2;当N为奇数时,M=(N+1)/2;
通过遗传交叉、变异的方法,生成新的种群;新的种群的种群规模仍为N;
本步骤中遗传交叉、变异的方法为行业公知,可参见以下文献:
葛继科,邱玉辉,吴春明,蒲国林.遗传算法研究综述[J].计算机应用研究,2008(10).
李金娟.遗传算法及应用的研究[J].电脑与信息技术,2013(4)。
步骤16、利用步骤10建立的适应度函数,对步骤15计算得到的N个随机的个体的模态进行计算,计算得到这N个个体的适用度;
步骤17、依次循环步骤13-步骤16,记录循环迭代的次数;
步骤18、若步骤17记录的循环迭代的次数超过了步骤7设置的模态调整算法的最大迭代步数,则重新设置步骤8中的种群规模个数N,交叉概率Pc和变异概率Pm,将循环迭代的次数置为0;
步骤19、依次循环步骤11-步骤17;
步骤20、若步骤19的循环过程中记录的循环迭代的次数超过了步骤7设置的模态调整算法的最大迭代步数,那么重新设置步骤6所设置的基因的上下调整边界;
步骤21、依次循环步骤11-步骤19;
步骤22、若步骤21的循环过程中记录的循环迭代次数超过了步骤7设置的模态调整算法的最大迭代步数,那么更新设置步骤9中的模态调整允许的误差范围;通过该步骤放大模态调整后的误差;
步骤23、依次循环步骤11-步骤22,直到计算结束。
本发明适用于已知运载火箭结构模态试验结果后,对运载火箭有限元模型的模态进行调整的调整过程。本发明可推广到一般的已知模态试验结果的有限元模型模态的调整过程中。
Claims (7)
1.一种基于模态试验结果的有限元三维模型模态调整方法,实现在运载火箭有限元模型模态的自动调整,其特征在于:包括以下步骤:
步骤1、采集运载火箭固体结构的实际外形和物理尺寸,建立模态计算的有限元网格;
步骤2、采集运载火箭固体结构的模态试验结果;
本步骤的模态实验结果指各阶模态的固有频率;
步骤3、在步骤1建立的有限元网格中,采集影响运载火箭有限元模型模态的关键参数,将之定义为基因,其个数为N1个;
步骤4、设置有限元模型中需要调整的模态阶数;
步骤5、设置步骤3采集的基因的编码规则,包括基因的排列顺序、基因表征数值分辨率;
步骤6、设置步骤2采集的基因的上下调整边界;
步骤7、设置模态调整算法的最大迭代步数;
步骤8、设置种群规模、交叉概率与变异概率的数值;将种群规模的个数记为N,交叉概率记为Pc,变异概率记为Pm;
步骤9、设置模态调整所允许的误差范围;在该步骤中对于步骤4所设置的模态阶数,每个模态均设置误差范围;
步骤10、设置适应度函数;该步骤的适应度函数值为有限元模型的模态值,函数的自变量为步骤3采集的影响运载火箭有限元模型模态的关键参数;
步骤11、根据步骤3采集的基因个数N1,随机生成步骤7所设置的种群规模个数N个个体;
步骤12、利用步骤10建立的适应度函数,对步骤11生成的N个随机的个体的模态进行计算,计算得到这N个个体的适应度;
适应度的定义为:本步骤计算得到的N个随机个体的模态与步骤2采集的模态试验结果的差值;差值与适应度成反比,差值越小,适应度越高;
步骤13、对步骤12计算得到的N个个体的适用度进行由高到低排序;淘汰后N/2个个体,留下前N/2个个体;若N为奇数,则淘汰后(N-1)/2个个体,留下前(N+1)/2个个体;
步骤14、对于步骤13计算得到的适应度最高的个体,输出该个体的基因,同时输出该个体基因所计算得到的适应度函数的值,该适应度函数的值为在该个体的基因中,所得到的有限元模型的模态值;模态值的输出个数由步骤4设置的需要调整的模态阶数决定;
若这些模态值满足步骤9设置的模态调整所允许的误差范围,则计算结束;否则进行下一步骤;
步骤15、根据步骤8设置的交叉概率Pc和变异概率Pm,基于步骤13留下的前M个个体;当N为偶数时,M=N/2;当N为奇数时,M=(N+1)/2;
通过遗传交叉、变异的方法,生成新的种群;新的种群的种群规模仍为N;
步骤16、利用步骤10建立的适应度函数,对步骤15计算得到的N个随机的个体的模态进行计算,计算得到这N个个体的适应度;
步骤17、依次循环步骤13-步骤16,记录循环迭代的次数;
步骤18、若步骤17记录的循环迭代的次数超过了步骤7设置的模态调整算法的最大迭代步数,则重新设置步骤8中的种群规模个数N,交叉概率Pc和变异概率Pm,将循环迭代的次数置为0;
步骤19、依次循环步骤11-步骤17;
步骤20、若步骤19的循环过程中记录的循环迭代的次数超过了步骤7设置的模态调整算法的最大迭代步数,那么重新设置步骤6所设置的基因的上下调整边界;
步骤21、依次循环步骤11-步骤19;
步骤22、若步骤21的循环过程中记录的循环迭代次数超过了步骤7设置的模态调整算法的最大迭代步数,那么更新设置步骤9中的模态调整允许的误差范围;通过该步骤放大模态调整后的误差;
步骤23、依次循环步骤11-步骤22,直到计算结束。
2.如权利要求1所述的一种基于模态试验结果的有限元三维模型模态调整方法,其特征在于:步骤1中,有限元网格的建立过程中,使用三维实体单元、壳单元、梁单元与质量单元的组合形式。
3.如权利要求2所述的一种基于模态试验结果的有限元三维模型模态调整方法,其特征在于:步骤3中,关键参数根据工程经验选取。
4.如权利要求3所述的一种基于模态试验结果的有限元三维模型模态调整方法,其特征在于:步骤3中,关键参数为舱段之间连接螺栓的刚度、面接触实体单元的刚度、面接触壳单元的刚度。
5.如权利要求1所述的一种基于模态试验结果的有限元三维模型模态调整方法,其特征在于:步骤9中,对1阶模态设置误差系数为1%,对2阶模态设置误差系数为5%,对3阶以上模态设置误差系数大于5%。
6.如权利要求1所述的一种基于模态试验结果的有限元三维模型模态调整方法,其特征在于:步骤10中,适应度函数的建立过程采用求解大型矩阵特征值问题的数值方法。
7.如权利要求6所述的一种基于模态试验结果的有限元三维模型模态调整方法,其特征在于:步骤10中,适应度函数的建立过程采用如下方法中的一种:反迭代法、子空间迭代法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410602316.8A CN105631066B (zh) | 2014-10-31 | 2014-10-31 | 一种基于模态试验结果的有限元三维模型模态调整方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410602316.8A CN105631066B (zh) | 2014-10-31 | 2014-10-31 | 一种基于模态试验结果的有限元三维模型模态调整方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105631066A CN105631066A (zh) | 2016-06-01 |
CN105631066B true CN105631066B (zh) | 2019-01-08 |
Family
ID=56045998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410602316.8A Active CN105631066B (zh) | 2014-10-31 | 2014-10-31 | 一种基于模态试验结果的有限元三维模型模态调整方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105631066B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485001B (zh) * | 2016-10-12 | 2019-07-09 | 中国人民解放军国防科学技术大学 | 一种小型运载火箭结构参数化设计方法 |
CN108830000B (zh) * | 2018-06-26 | 2022-03-15 | 北京理工大学 | 一种基于vtk的运载火箭结构有限元分析可视化方法 |
CN112685841B (zh) * | 2021-01-28 | 2022-12-09 | 西安交通大学 | 一种带有连接关系的结构的有限元建模、修正方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6301970B1 (en) * | 1998-08-06 | 2001-10-16 | The United States Of America The Secretary Of The Navy | Cumulative damage model for structural analysis of filed polymeric materials |
CN101794338A (zh) * | 2010-03-22 | 2010-08-04 | 南京航空航天大学 | 基于结构模态试验的矩阵型动力学模型修正方法 |
CN103106305A (zh) * | 2013-02-01 | 2013-05-15 | 北京工业大学 | 一种基于实测模态的空间网格结构模型分步修正方法 |
CN103593518A (zh) * | 2013-10-31 | 2014-02-19 | 中国运载火箭技术研究院 | 一种基于模态试验数据的飞行器模型修正系统 |
-
2014
- 2014-10-31 CN CN201410602316.8A patent/CN105631066B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6301970B1 (en) * | 1998-08-06 | 2001-10-16 | The United States Of America The Secretary Of The Navy | Cumulative damage model for structural analysis of filed polymeric materials |
CN101794338A (zh) * | 2010-03-22 | 2010-08-04 | 南京航空航天大学 | 基于结构模态试验的矩阵型动力学模型修正方法 |
CN103106305A (zh) * | 2013-02-01 | 2013-05-15 | 北京工业大学 | 一种基于实测模态的空间网格结构模型分步修正方法 |
CN103593518A (zh) * | 2013-10-31 | 2014-02-19 | 中国运载火箭技术研究院 | 一种基于模态试验数据的飞行器模型修正系统 |
Non-Patent Citations (1)
Title |
---|
航天器模态分析-试验体系工程实践研究;郭其威 等;《动力学与控制学报》;20140930;第12卷(第3期);第274-278页 |
Also Published As
Publication number | Publication date |
---|---|
CN105631066A (zh) | 2016-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017054537A1 (zh) | 一种长时间尺度光伏出力时间序列建模方法及装置 | |
CN110457758B (zh) | 岩体失稳阶段的预测方法、装置、系统以及存储介质 | |
CN105631066B (zh) | 一种基于模态试验结果的有限元三维模型模态调整方法 | |
CN105653689B (zh) | 一种用户传播影响力的确定方法和装置 | |
IN2015DN04035A (zh) | ||
CN113505534B (zh) | 一种考虑需求响应的负荷预测方法 | |
CN106156852B (zh) | 一种高斯重叠核脉冲估计方法 | |
CN102339344A (zh) | 一种动态再结晶模型参数反分析识别方法 | |
CN106682292B (zh) | 一种降维模拟退火算法的叶根结构优化方法 | |
CN103065015B (zh) | 一种基于内力路径几何形态的承载结构低碳节材设计方法 | |
CN114154753A (zh) | 一种负荷预测方法及系统 | |
CN103198167A (zh) | 半导体量子点平衡组份的计算方法 | |
CN104615679A (zh) | 一种基于人工免疫网络的多智能体数据挖掘方法 | |
CN102968060A (zh) | 汽轮机调节系统参数智能辨识方法 | |
CN114862123A (zh) | 一种综合能源系统场景生成方法及装置 | |
Demirci | A new mathematical approach for Rabies endemy | |
CN113947237A (zh) | 一种基于ams-tcn的风电功率误差修正方法 | |
CN108805319B (zh) | 一种风电功率建模最优状态数的确定方法及系统 | |
CN105975667B (zh) | 有限元网格模型更新的快速查找方法及装置 | |
Rao et al. | Momentum multi-objective optimization algorithm based on black hole algorithm | |
Jin et al. | EMI prediction of packages by deep neural network | |
CN110096742A (zh) | 一种预测模型及粒子群算法的预锻成形模具设计方法 | |
CN105468808B (zh) | 空降空投并行蒙特卡洛仿真的实现方法 | |
CN111475931B (zh) | 基于神经网络的pci快速分析方法、装置、电子设备及存储介质 | |
CN109948171A (zh) | 油藏数值模拟井模型的处理方法及其相应系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |