CN110135076A - 一种基于isight联合仿真的云台机械结构多目标集成优化方法 - Google Patents
一种基于isight联合仿真的云台机械结构多目标集成优化方法 Download PDFInfo
- Publication number
- CN110135076A CN110135076A CN201910414170.7A CN201910414170A CN110135076A CN 110135076 A CN110135076 A CN 110135076A CN 201910414170 A CN201910414170 A CN 201910414170A CN 110135076 A CN110135076 A CN 110135076A
- Authority
- CN
- China
- Prior art keywords
- optimization
- isight
- holder
- design
- model
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于ISIGHT联合仿真的云台机械结构多目标集成优化方法,该方法以轻小型多旋翼无人机云台为研究对象,针对轻小型多旋翼无人机云台系统对结构的多目标需求和复杂有限元仿真模型优化效率低的问题,通过灵敏度分析选取了合适的优化设计参数,利用响应面模型和神经网络模型建立近似模型算法,同时结合利用改进型遗传算法,建立了一种多目标集成优化算法方案,实现了云台机械系统的轻质量高模态多目标优化设计。本发明基于ISIGHT集成SOLIDWORKS和ANSYS WORKBENCH搭建了联合仿真平台,不需要建立复杂的云台结构仿真模型,在满足了设计需求的用时也节约了设计周期和成本,具有高效率、便于工程实现的特点。
Description
技术领域
本发明属于航空惯性稳定平台设计技术领域,具体涉及一种基于ISIGHT联合仿真的云台机械结构多目标集成优化方法,用于在满足设计的要求同时也可以提高云台机械结构的优化效率,适用于大、中、小型无人机平台系统的机械结构优化。
背景技术
以多旋翼无人机为飞行载体的轻小型航空遥感系统具有获取影像机动灵活、影像分辨率高、成本低等优点,成为传统航空遥感测量手段的有效补充,已广泛应用于地理测绘、电力巡检、灾害救助、警用维稳等重要军民重要领域,并呈现出巨大的应用潜力。为了实现多旋翼无人机航空遥感系统的功能,需要云台支承并稳定成像载荷,通过实时伺服控制,有效隔离无人机载体内外各种扰动,保证成像载荷视轴稳定并准确跟踪目标,有效避免了成像载荷抖动造成的成像质量退化。轻小型多旋翼无人机用云台作为一种复杂机电伺服系统,要求兼具轻质量与快响应等机电特性。由于作为飞行载体的多旋翼无人机具有飞行环境扰动复杂、续航时间极为有限等特点,对云台系统的整体性能提出了更高要求。
多旋翼无人机航空遥感系统中,由于作为飞行载体的多旋翼无人机负载能力差和续航时间短的特点,需要尽量减轻云台的质量。在云台等精密跟踪系统中,随着对跟踪精度和速度要求的提高,可能导致结构固有频率落入伺服带宽中,从而导致系统谐振影响系统功能甚至造成结构破环,机械谐振性能日益称为系统性能的重要限制因素。因此在云台的机械结构设计中,需要以减轻质量和提高一阶模态频率为优化目标进行优化设计。随着计算机仿真技术的发展,优化设计作为实际工程设计的重要手段,在许多领域得到广泛应用。在实际工程产品设计过程中,优化设计能够从大量不同的设计方案中快速有效的寻找到最优方案,大幅提高产品的设计质量和效率,为复杂产品的设计提供了一种高效可行的方式。
目前,关于系统多目标优化设计方案的已发表专利主要包括两类,第一类是主要针对单个仿真平台,如专利“一种基于遗传算法和ANSYS仿真的磁通变换器的优化设计方法”(CN201410659057.2),包括选取磁通变换器的驱动电路中电阻、电容以及驱动电压作为主要优化参量,采用遗传算法结合ANSYS仿真进行驱动电路的优化设计;第二类主要是基于多种计算理论的结构参数优化设计,如专利“一种机械弹性车轮结构参数优化设计方法”(CN201810407188.X)提出一种建立自适应神经网络算法,利用均匀设计方法选择合适的训练样本,缺乏与系统结构模型的仿真联系;专利“一种多目标优化的空间机械臂轨迹规划方法”(CN201810042025.6)提出了采用多目标混沌粒子群优化算法,对机械臂运动中的关节轨迹参数进行优化,没有提出设计仿真平台的搭建。
综上,随着轻小型无人机技术的发展和应用的普及,针对轻小型无人机云台机械系统的联合仿真平台优化设计有了广阔的前景,而这方面的论文实践研究还比较缺乏。本专利从总体出发,研究内容涉及云台系统的ISIGHT联合仿真平台搭建以及多目标优化算法的设计,将为与云台原理相似的的结构设计提供指导和借鉴。
发明内容
本发明要解决的技术问题是:克服现有多目标优化技术的不足、不完善,提出一种基于ISIGHT联合仿真的云台机械结构及多目标集成优化方法,用于在满足设计的要求同时也可以提高云台机械结构的优化效率,适用于大、中、小型无人机平台系统的机械结构优化。
本发明解决上述技术问题采用的技术方案是
一种基于ISIGHT联合仿真的云台机械结构多目标集成优化方法,其特征在于,包括以下步骤:
步骤(1)、基于ISIGHT软件集成SOLIDWORKS和ANSYS WORKBENCH搭建云台机械结构联合仿真平台,具体包括以下4个步骤:
步骤11)、在SOLIDWORKS中建立云台机械结构的零件三维模型和装配体三维模型,并完成属性的设定;
步骤12)、将建立的SOLIDWORKS模型导入ISIGHT的SOLIDWORKS组件中,提取相应尺寸参数或者特征参数,实现ISIGHT和SOLIDWORKS两个软件之间的集成;
步骤13)、将ANSYS WORKBENCH的仿真流程保存为.wbjn格式的脚本文件,将执行相应批处理命令的批处理文件导入ISIGHT通用组件中,驱动特定ANSYS WORKBENCH的分析流程执行,然后将ANSYS WORKBENCH的分析流程输出结果文件中的参数作为ISIGHT通用组件的输出参数,即可将ANSYS WORKBENCH的分析流程集成到ISIGHT中;
步骤14)、在ISIGHT联合仿真平台下,SOLIDWORKS可以通过参数化建模使云台机械结构三维模型的尺寸和特征参数化,ANSYS WORKBENCH可以对云台进行有限元模态分析,经过以上的操作将求解结果中的一阶模态频率参数化,然后将参数化的模态频率保存在格式为.csv的表格文件中,完成以上步骤进行仿真优化计算过程。
步骤(2)、建立样本拟合回归模型,然后通过灵敏度分析选取确定云台机械结构三框架结构中的高灵敏度尺寸作为优化设计的设计变量,具体包括以下3个步骤:
步骤21)、首先通过样本点拟合系统的多元线性回归模型;
二元线性回归模型:
y=c0+c1x1+c2x2
对其求导得:
dy=c1dx1+c2dx2
其中x1,x2的主效应分别为c1dx1和c2dx2;
步骤22)、将输入变量归一化处理后得到的主效应转化为贡献百分比,则为对应设计变量和目标变量的灵敏度;
步骤23)、根据云台三框架组件的结构特点和参数化建模的情况,确定初始设计变量,对这些初始变量进行灵敏度分析,选择较大的值作为优化设计变量。
步骤(3)、以响应面模型和径向基神经网络模型建立质量和一阶模态频率的近似模型算法,同时结合改进型遗传算法设计出多目标集成优化算法,解决运算求解过程中计算量过大、效率低的不足,具体包括以下3个步骤:
步骤31)、选择灵敏度分析确定的尺寸参数作为设计变量,采用拉丁超立方试验方法更为高效的构造设计矩阵,采用二阶响应面技术建立三框架组件的二阶响应面质量近似模型;
步骤32)、通过径向基神经网络建立了合理的云台三维模型的一阶模态频率近似模型;有限元模态分析方法是一种复杂的非线性模型,从算例分析可以判断二阶响应面不能提供复杂模型的精确近似,因此选择三种近似模型中拟合能力最强的径向基神经网络建立三维模型的一阶模态频率的近似模型;
步骤33)、对一个具体的优化问题,合适的优化算法是是优化成功的关键,采用改进的NSGA-II算法进行多目标优化问题的求解。
步骤(4)、平台搭建和算法设计就绪之后,完成对平台运行和设计结果优化的操作,并分析优化结果,具体包括以下4个步骤:
步骤41)、将质量近似模型和一阶模态频率近似模型的结果系数文件导入ISIGHT的近似模型组件。
步骤42)、添加优化过程组件,将设计变量在优化组件参数映射界面设置为输入参数,然后将云台质量和一阶模态频率两个参数设为输出参数。
步骤43)、在优化组件中将优化方法设为NSGA-II,根据设计具体设计要求设置设计参数变量的取值范围,然后设置优化目标,将云台各框架组件结构的一阶模态频率和质量最小化设为优化目标。
步骤44)、运行优化过程组件,得到优化结果,并分析结果。
本发明与现有技术相比的优点在于:
(1)本发明采用了基于ISIGHT联合仿真的云台机械结构多目标集成优化方法,充分发挥了了SOLIDWORKS和ANSYS WORKBENCH在各自领域的优势,在多目标优化求解时相较于单个仿真平台和纯理论化计算有较好的准确性和可靠性。
(2)本发明通过灵敏度分析能够很好的解决由于人为操作导致选取设计变量时的不足,通过计算机运算,进一步提高了工作人员设计系统、优化分析系统性能时的效率。
(3)本发明通过误差分析得到俯仰组件、横滚组件和方位组件质量近似模型的R方误差均为0.99,均方根误差分别为0.0009、0.0003、0.0005,表明拟合度很好。俯仰组件、横滚组件和方位组件近似模型的R方误差分别为0.99、0.98、0.96,均方根误差分别为0.026、0.032、0.047拟合度较好。这也证明二阶响应面可以对三维模型的质量特性进行拟合近似,证明可以通过径向基神经网络建立云台三维实体一阶模态频率近似模型。综上近似模型的建立是合理可靠的。同时建立近似模型的方法大大减少了计算机运算求解时的耗时,提高了优化效率,减少了成本;
(4)本发明采用改进的遗传算法,提高了全局寻优能力和优化效果。
附图说明
图1为本发明的云台机械机构三维模型图;
附图标记列示如下:1为方位电机,2为减震器,3为方位轴系,4为限位机构,5为俯仰电机,6为俯仰轴系,7为俯仰框架,8为横滚框架,9为横滚轴系,10为横滚电机,11为方位框架,12为相机,13为锁紧机构,基座14,安装底板15;
图2为本发明的方法流程图;
图3为本发明的俯仰组件多目标优化过程图;
图4为本发明的横滚组件多目标优化过程图;
图5为本发明的方位组件多目标优化过程图。
具体实施方式
下面结合附图以及具体实施方式进一步说明本发明。
图1为本发明的云台机械结构三维模型图,包括:方位电机1,减震器2,方位轴系3,限位机构4,俯仰电机5,俯仰轴系6,俯仰框架7,横滚框架8,横滚轴系9,横滚电机10,方位框架11;从内到外分布的三个框架为云台的主体结构。三个框架中的俯仰组件包括:俯仰电机5,俯仰轴系6,俯仰框架7;横滚组件包括:横滚框架8,横滚轴系9,横滚电机10;方位组件包括:方位电机1,方位轴系3,方位框架11。其中,方位电机1、俯仰电机5、横滚电机10分别固定在方位轴系3、俯仰轴系6、横滚轴系9上,相机12固定在俯仰框架7上,俯仰框架7通过俯仰轴系6支承吊于横滚框架8下,横滚框架8通过横滚轴系9支承吊于方位框架11下,方位框架11通过方位轴系3支承吊于基座14下,基座通过四个线振动减震器2与安装底板15相连。同时为了保证三个框架7、8、11运动在安全可控的范围内,通过限位机构4来保证机械上的限位。为了保证俯仰框架7在不需要运行时候的安全性,增加锁紧机构13,保证其与横滚框架8紧密连接在一起。对应于三框架的三个轴系,提供了云台三个框架在空间三个自由度的转动功能,是关键承力作用点,需要对其进行强度校核,确保云台可靠工作。隔震系统中的减震器位于基座与安装底板之间,通过减震器吸收外界高频振动能量,初步滤除云台受到的高频扰动。通过各部分的有机组合,使得云台机械系统能够正常可靠工作。
图2为本发明基于ISIGHT联合仿真的云台机械结构多目标集成优化方法的流程图。根据云台设计的实际情况,通过ISIGHT集成SOLIDWORKS和ANSYS WORKBENCH搭建联合仿真平台。SOLIDWORKS可以通过参数化建模使云台三维模型的尺寸和特征参数化,ANSYSWORKBENCH可以对云台进行有限元模态分析,并将求解结果中的一阶模态频率参数化,将参数化的模态频率保存在格式为.csv的表格文件中,供其它仿真优化过程提取。云台机械系统联合仿真平台搭建可分为ISIGHT集成SOLIDWORKS和ISIGHT集成ANSYS WORKBENCH两部分。
一种基于ISIGHT联合仿真的云台机械结构多目标集成优化方法,具体方法如下:
(1)基于ISIGHT软件集成SOLIDWORKS和ANSYS WORKBENCH搭建联合仿真平台,解决了对系统分别建模与分析的这一传统方法不够准确的不足,具体分为以下4个步骤。
步骤11)、在SOLIDWORKS中建立零件三维模型和装配体三维模型,并完成属性的设定。
步骤12)、将建立的SOLIDWORKS模型导入ISIGHT的SOLIDWORKS组件中,提取相应尺寸参数或者特征参数,实现ISIGHT和SOLIDWORKS两个软件之间的集成;
步骤13)、将ANSYS WORKBENCH的仿真流程保存为.wbjn格式的脚本文件。将执行相应批处理命令的批处理文件导入ISIGHT通用组件中,驱动特定ANSYS WORKBENCH的分析流程执行,然后将ANSYS WORKBENCH的分析流程输出结果文件中的参数作为ISIGHT通用组件的输出参数,即可将ANSYS WORKBENCH的分析流程集成到ISIGHT中。
步骤14)、在ISIGHT联合仿真平台下,SOLIDWORKS可以通过参数化建模使云台三维模型的尺寸和特征参数化,ANSYS WORKBENCH可以对云台进行有限元模态分析,经过以上的操作将求解结果中的一阶模态频率参数化,然后将参数化的模态频率保存在格式为.csv的表格文件中,完成以上步骤进行仿真优化计算过程。
(2)建立样本拟合回归模型,然后通过灵敏度分析选取确定三框架结构中的高灵敏度尺寸作为优化设计的设计变量,具体分为以下3个步骤。
步骤21)、首先通过样本点拟合系统的多元线性回归模型;
以二元线性回归模型为例:
y=c0+c1x1+c2x2
对其求导得:
dy=c1dx1+c2dx2
其中x1,x2的主效应分别为c1dx1和c2dx2。
步骤22)、将输入变量归一化处理后得到的主效应转化为贡献百分比,则为对应设计变量和目标变量的灵敏度。
步骤23)、根据云台三框架组件的结构特点和参数化建模的情况,确定初始设计变量,对这些初始变量进行灵敏度分析,选择较大的值作为优化设计变量。
(3)、以响应面模型和径向基神经网络模型建立质量和一阶模态频率的近似模型算法,同时结合改进型遗传算法设计出多目标集成优化算法,解决运算求解过程中计算量过大、效率低的不足,具体分为以下3个步骤。
步骤31)、选择灵敏度分析确定的尺寸参数作为设计变量,采用拉丁超立方试验方法更为高效的构造设计矩阵,采用二阶响应面技术建立三框架组件的二阶响应面模型。
步骤32)、通过径向基神经网络建立了合理的云台三维实体一阶模态频率近似模型。有限元模态分析方法是一种复杂的非线性模型,从算例分析可以判断二阶响应面不能提供复杂模型的精确近似,因此选择三种近似模型中拟合能力最强的径向基神经网络建立三维模型的一阶模态频率的近似模型。
步骤33)、对一个具体的优化问题,合适的优化算法是是优化成功的关键。采用以下改进的NSGA-II算法进行多目标优化问题的求解。
(4)、平台搭建和算法设计就绪之后,完成对平台运行和设计结果优化的操作,并分析优化结果,具体分为以下4个步骤。
步骤41)、将质量近似模型和模态近似模型的结果系数文件导入ISIGHT的近似模型组件。
步骤42)、添加优化过程组件,将设计变量在优化组件参数映射界面设置为输入参数,然后将云台质量和一阶模态频率两个参数设为输出参数。
步骤43)、在优化组件中将优化方法设为NSGA-II,根据设计具体设计要求设置设计参数变量的取值范围,然后设置优化目标,将云台各框架组件结构的一阶模态频率和质量最小化设为优化目标。
步骤44)、运行优化过程组件,得到优化结果,并分析结果。
三框架组件的优化过程分别如图3、4、5所示。图3为俯仰组件多目标优化过程图;图4为横滚组件多目标优化过程图;图5为方位组件多目标优化过程图。
针对云台三个框架组件的优化结果,综合比较分别各优化点质量和一阶模态频率的优化效果,分别选择一个优化点作为最终系统设计点。下表为优化前后三框架组件的质量和一阶模态频率对比。从优化结果看出,云台机械系统三框架组件的质量降低的同时,一阶模态频率得到了提高。尤其是对于紧凑型结构的俯仰框架,其优化余度更大,优化效果更加明显。
表1优化前后云台结构性能对比
本发明说明书中未作详细描述的内容属于本领域专业人员公知的现有技术。
Claims (5)
1.一种基于ISIGHT联合仿真的云台机械结构多目标集成优化方法,其特征在于,包括如下步骤:
步骤(1)、基于ISIGHT软件集成SOLIDWORKS和ANSYS WORKBENCH搭建云台机械结构联合仿真平台;
步骤(2)、建立样本拟合回归模型,然后通过灵敏度分析选取确定云台机械结构三框架结构中的高灵敏度尺寸作为优化设计的设计变量;
步骤(3)、以响应面模型和径向基神经网络模型建立质量和一阶模态频率的近似模型算法,同时结合改进型遗传算法设计出多目标集成优化算法;
步骤(4)、平台搭建和算法设计就绪之后,完成对平台运行和设计结果优化的操作,并分析优化结果。
2.根据权利要求1所述的一种基于ISIGHT联合仿真的云台机械结构多目标集成优化方法,其特征在于,步骤(1)中的联合仿真平台搭建包括以下4个步骤:
步骤11)、在SOLIDWORKS中建立云台机械结构的零件三维模型和装配体三维模型,并完成属性的设定;
步骤12)、将建立的SOLIDWORKS模型导入ISIGHT的SOLIDWORKS组件中,提取相应尺寸参数或者特征参数,实现ISIGHT和SOLIDWORKS两个软件之间的集成;
步骤13)、将ANSYS WORKBENCH的仿真流程保存为.wbjn格式的脚本文件,将执行相应批处理命令的批处理文件导入ISIGHT通用组件中,驱动特定ANSYS WORKBENCH的分析流程执行,然后将ANSYS WORKBENCH的分析流程输出结果文件中的参数作为ISIGHT通用组件的输出参数,即可将ANSYS WORKBENCH的分析流程集成到ISIGHT中;
步骤14)、在ISIGHT联合仿真平台下,SOLIDWORKS通过参数化建模使云台机械结构三维模型的尺寸和特征参数化,通过ANSYS WORKBENCH对云台进行有限元模态分析,将求解结果中的一阶模态频率参数化,然后将参数化的模态频率保存在格式为.csv的表格文件中,完成以上步骤进行仿真优化计算过程。
3.根据权利要求1所述的一种基于ISIGHT联合仿真的云台机械结构多目标集成优化方法,其特征在于,步骤(2)中的进行灵敏度选择优化设计变量包括以下3个步骤:
步骤21)、首先通过样本点拟合系统的多元线性回归模型;
二元线性回归模型:
y=c0+c1x1+c2x2
对其求导得:
dy=c1dx1+c2dx2
其中x1,x2的主效应分别为c1dx1和c2dx2;
步骤22)、将输入变量归一化处理后得到的主效应转化为贡献百分比,则为对应设计变量和目标变量的灵敏度;
步骤23)、根据云台三框架组件的结构特点和参数化建模的情况,确定初始设计变量,对这些初始变量进行灵敏度分析,选择较大的值作为优化设计变量。
4.根据权利要求1所述的一种基于ISIGHT联合仿真的云台机械结构多目标集成优化方法,其特征在于,步骤(3)中的近似模型和改进遗传算法集成优化方法包括以下3个步骤:
步骤31)、选择灵敏度分析确定的尺寸参数作为设计变量,采用拉丁超立方试验方法更为高效的构造设计矩阵,采用二阶响应面技术建立三框架组件的二阶响应面质量近似模型;
步骤32)、通过径向基神经网络建立云台三维实体一阶模态频率近似模型;
步骤33)、采用改进的NSGA-II算法进行多目标优化问题的求解。
5.根据权利要求1所述的一种基于ISIGHT联合仿真的云台机械结构多目标集成优化方法,其特征在于,步骤(4)中的基于ISIGHT进行多目标优化结果与分析包括以下4个步骤:
步骤41)、将质量近似模型和一阶模态频率近似模型的结果系数文件导入ISIGHT的近似模型组件;
步骤42)、添加优化过程组件,将设计变量在优化组件参数映射界面设置为输入参数,然后将云台质量和一阶模态频率两个参数设为输出参数;
步骤43)、在优化组件中将优化方法设为NSGA-II算法,根据具体设计要求设置设计参数变量的取值范围,然后设置优化目标,将云台各框架组件结构的一阶模态频率和质量最小化设为优化目标;
步骤44)、运行优化过程组件,得到优化结果,并分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910414170.7A CN110135076A (zh) | 2019-05-17 | 2019-05-17 | 一种基于isight联合仿真的云台机械结构多目标集成优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910414170.7A CN110135076A (zh) | 2019-05-17 | 2019-05-17 | 一种基于isight联合仿真的云台机械结构多目标集成优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110135076A true CN110135076A (zh) | 2019-08-16 |
Family
ID=67575064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910414170.7A Pending CN110135076A (zh) | 2019-05-17 | 2019-05-17 | 一种基于isight联合仿真的云台机械结构多目标集成优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110135076A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111581750A (zh) * | 2020-05-21 | 2020-08-25 | 西安交通大学 | 一种基于isight软件的多学科多指标产品结构优化设计方法 |
CN112084708A (zh) * | 2020-09-04 | 2020-12-15 | 西南交通大学 | 一种基于响应面和遗传算法的agv系统优化配置方法 |
CN113255229A (zh) * | 2021-06-10 | 2021-08-13 | 大连理工大学 | 一种基于联合仿真的燃料组件多学科结构设计优化方法 |
CN113761634A (zh) * | 2021-09-18 | 2021-12-07 | 奥意建筑工程设计有限公司 | 一种基于多目标优化的建筑结构设计方法 |
CN117521463A (zh) * | 2023-11-15 | 2024-02-06 | 中航通飞华南飞机工业有限公司 | 一种基于仿真的航空标准件关键特性及工艺参数确认方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5277380A (en) * | 1992-06-22 | 1994-01-11 | United Technologies Corporation | Toroidal fuselage structure for unmanned aerial vehicles having ducted, coaxial, counter-rotating rotors |
US20180068416A1 (en) * | 2016-09-03 | 2018-03-08 | Microsoft Technology Licensing, Llc | Generating real-time sensor maps from videos and in-ground sensor data |
CN108694829A (zh) * | 2018-03-27 | 2018-10-23 | 西安科技大学 | 基于无人机群移动平台的交通流量识别监测网络和方法 |
CN109739254A (zh) * | 2018-11-20 | 2019-05-10 | 国网浙江省电力有限公司信息通信分公司 | 一种电力巡检中采用视觉图像定位的无人机及其定位方法 |
-
2019
- 2019-05-17 CN CN201910414170.7A patent/CN110135076A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5277380A (en) * | 1992-06-22 | 1994-01-11 | United Technologies Corporation | Toroidal fuselage structure for unmanned aerial vehicles having ducted, coaxial, counter-rotating rotors |
US20180068416A1 (en) * | 2016-09-03 | 2018-03-08 | Microsoft Technology Licensing, Llc | Generating real-time sensor maps from videos and in-ground sensor data |
CN108694829A (zh) * | 2018-03-27 | 2018-10-23 | 西安科技大学 | 基于无人机群移动平台的交通流量识别监测网络和方法 |
CN109739254A (zh) * | 2018-11-20 | 2019-05-10 | 国网浙江省电力有限公司信息通信分公司 | 一种电力巡检中采用视觉图像定位的无人机及其定位方法 |
Non-Patent Citations (3)
Title |
---|
周向阳等: "轻小型无人机云台机电多目标优化", 《光学精密工程》 * |
如大理石: "试验设计与优化拟合", 《百度文库》 * |
风袖飘舞: "isight集成Solidworks和Ansys教程", 《百度文库》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111581750A (zh) * | 2020-05-21 | 2020-08-25 | 西安交通大学 | 一种基于isight软件的多学科多指标产品结构优化设计方法 |
CN112084708A (zh) * | 2020-09-04 | 2020-12-15 | 西南交通大学 | 一种基于响应面和遗传算法的agv系统优化配置方法 |
CN112084708B (zh) * | 2020-09-04 | 2022-08-19 | 西南交通大学 | 一种基于响应面和遗传算法的agv系统优化配置方法 |
CN113255229A (zh) * | 2021-06-10 | 2021-08-13 | 大连理工大学 | 一种基于联合仿真的燃料组件多学科结构设计优化方法 |
WO2022257308A1 (zh) * | 2021-06-10 | 2022-12-15 | 大连理工大学 | 一种基于联合仿真的燃料组件多学科结构设计优化方法 |
CN113255229B (zh) * | 2021-06-10 | 2023-04-11 | 大连理工大学 | 一种基于联合仿真的燃料组件多学科结构设计优化方法 |
CN113761634A (zh) * | 2021-09-18 | 2021-12-07 | 奥意建筑工程设计有限公司 | 一种基于多目标优化的建筑结构设计方法 |
CN117521463A (zh) * | 2023-11-15 | 2024-02-06 | 中航通飞华南飞机工业有限公司 | 一种基于仿真的航空标准件关键特性及工艺参数确认方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110135076A (zh) | 一种基于isight联合仿真的云台机械结构多目标集成优化方法 | |
CN105843074B (zh) | 一种获取天线在轨振动影响的动力学建模方法 | |
CN103760906B (zh) | 神经网络与非线性连续无人直升机姿态控制方法 | |
Gao et al. | Energy model for UAV communications: Experimental validation and model generalization | |
Liu et al. | Study on UAV parallel planning system for transmission line project acceptance under the background of industry 5.0 | |
CN112859905A (zh) | 架空电力线路无人机巡检航线生成方法、装置及无人机 | |
CN110083168A (zh) | 基于增强学习的小型无人直升机定高控制方法 | |
CN108563897B (zh) | 一种基于极值搜索算法的四旋翼无人机参数辨识方法 | |
CN103010485A (zh) | 一种倾转旋翼无人机仿真建模方法及其系统 | |
CN112580537B (zh) | 一种用于多无人机系统持续覆盖特定区域的深度强化学习方法 | |
CN205045010U (zh) | 一种多旋翼无人飞行器性能测试平台 | |
CN108363310B (zh) | 人工智能程序员书写数字飞行器源代码的聚类决策方法 | |
CN107608215A (zh) | 一种基于rbf神经网络的测绘无人机姿态控制方法 | |
CN113049215A (zh) | 一种旋翼无人机位置抗气流干扰能力量化评估与测试系统 | |
Jiao et al. | Fault tolerant control algorithm of hexarotor UAV | |
Guo et al. | Automatic control and model verification for a small aileron-less hand-launched solar-powered unmanned aerial vehicle | |
Zhou et al. | Parameter Optimization on FNN/PID Compound Controller for a Three‐Axis Inertially Stabilized Platform for Aerial Remote Sensing Applications | |
Li et al. | A novel meteorological sensor data acquisition approach based on unmanned aerial vehicle | |
Zhang et al. | A UAV autonomous maneuver decision-making algorithm for route guidance | |
Chen et al. | Balancing control of a cubical robot balancing on its corner | |
Zhang et al. | Design and experiment of a hydraulic lifting wind field test platform for crop protection UAS | |
Zennir et al. | Modelling and GA fine-tuned PID control of quadrirotor UAV | |
Niemiec | Development and Application of a Medium-Fidelity Analysis Code for Multicopter Aerodynamics and Flight Mechanics | |
CN111176308A (zh) | 一种封闭环境小型多旋翼无人机集群控制系统 | |
Urbanski | Control of the quadcopter position using visual feedback |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190816 |