CN111062159A - 一种无人机虚拟试验方法 - Google Patents
一种无人机虚拟试验方法 Download PDFInfo
- Publication number
- CN111062159A CN111062159A CN201911211943.8A CN201911211943A CN111062159A CN 111062159 A CN111062159 A CN 111062159A CN 201911211943 A CN201911211943 A CN 201911211943A CN 111062159 A CN111062159 A CN 111062159A
- Authority
- CN
- China
- Prior art keywords
- test
- unmanned aerial
- aerial vehicle
- virtual
- design
- 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.)
- Granted
Links
- 238000013461 design Methods 0.000 claims abstract description 60
- 238000012360 testing method Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 238000004088 simulation Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 abstract description 3
- 238000012827 research and development Methods 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种无人机虚拟试验方法，该系统方法为由首先输入变量，选择虚拟模块中的试验设计方法中的拉丁超立方设计，开始虚拟试验计算，最后进行预测建模，解决了外场试验的弊端，漫长的研发时间、巨大的经费开销和获得数据困难等现实困难，通过建立虚拟的自然环境或试验环境、场景和试验手段，并建立相应的数学模型。
Description
技术领域
本发明属于虚拟仿真领域，具体而言，涉及一种无人机虚拟试验方法。
背景技术
现代社会对无人机综合性能的要求日益提高，无人机在日常生活和尖端科技领域中都得到了广泛的应用，也取得了良好的效果。
但是，随着未来社会城市中无人机飞行环境的日趋复杂，天气环境的日趋恶劣，保持无人机的精确性和稳定性，其研发、测试、试验费用巨大，试验模式如果单纯依靠外场试验则遇到巨大的困难和挑战，一方面如果各种工况都在外场试验，会面对难以承受的时间和经费开销，另一方面，各种工况外场试验获得数据十分困难，即难以得到重要边界数据。现有的虚拟试验技术又存在众多技术问题，例如对计算机的性能和数量要求较高，占用计算机资源较多，需要长时间计算，无法迅速得出结论；无法快速准确的建立无人机试验中输入变量与最终需要的结果值对应关系等。
发明内容
为了解决上述技术问题，本发明提出以下技术方案：一种无人机虚拟试验方法，所述流程步骤如下：
(1)输入变量：分别将无人机设计尺寸变量、无人机随机环境变量和无人机控制建模过程中的变量输送至虚拟试验模块中；
(2)选择虚拟模块中的试验设计方法中的拉丁超立方设计，在采样空间中选择关注点，分别再每个变量的N个等间隔中随机选取一个不重复的间隔，按均匀分布随机产生一个样本点，循环N次，得到N个水平间隔样本点；
(3)开始虚拟试验计算，通过在工作站建模，服务器计算，计算机处理结果，载入生成的试验设计方案，使用建模工具建立有限元无人机数字化和目标虚拟样机，并载入无人机数字化模型、目标数字化样机和空气模型模型，将参数值变为试验设计方案值，通过仿真计算，得到结果值；
(4)进行预测建模，将步骤(3)中的虚拟试验计算得到的与试验设计方案对应的结果值，通过预测建模方法多项式响应面方法实现试验设计空间中离散样本点构造整个设计空间上输入输出特性的逼近，建立变量与结果值的模型关系；
(5)当步骤(4)中的模型建立后，在步骤(1)变量的可选择范围中选取参数，通过所述步骤(4)中建立的模型关系得到对应值。
进一步方案，
所述步骤(1)中的变量符合正态分布。
进一步方案，
所述步骤(3)中的仿真软件为LS-DYNA，通过进行碰撞有限元仿真分析、设置、材料、初始速度参数求解，对试验设计方案中的每个变量进行数值模拟计算，取得试验设计方案中的变量与真实物理试验等价的计算结果。
进一步方案，
步骤(4)中的预测建模方法还可以使用径向基函数方法或者向量回归中的一种。
采用上述技术方案的有益效果是：
(1)本发明通过建立一种高效、可靠、实用的无人机虚拟试验方法，从而实现通过数字化样机开展无人机虚拟试验，及时发现无人机设计的缺陷与潜在问题，及时并且迅速修正设计和选择最优方案；
(2)本发明实现各种虚拟试验环境，使得各种试验项目如同在真实环境中进行，并取得与真实物理试验等价或相近的试验效果，实现最大限度地保证无人机产品的设计质量和可靠性，从而大大减少无人机物理样机制造数量及外场试验费用，缩短研制周期，提高产品质量，具有广泛的应用前景。
附图说明
图1为本发明的系统实现结构示意图；
图2为本发明的系统算法实现方法流程图；
图3为本发明的拉丁超立方试验设计方案生成过程图；
图4为本发明的近似模型示意图；
图5为本发明的系统中虚拟试验模型已建立后流程图；
图6为本发明的系统中改进的拉丁超立方试验设计方法算法图；
具体实施方式
下面结合附图对本发明的实施例做详细说明：
具体实施例1
如图1所示，本发明建立了无人机虚拟试验系统，该系统由输入变量模块、试验设计模块、虚拟试验模块、预测建模模块组成。
该无人机虚拟试验系统的使用方法步骤如下：
(1)输入变量：分别将无人机设计尺寸变量、无人机随机环境变量和无人机控制建模过程中的变量输送至虚拟试验模块中，并且所有变量符合正态分布。
如图2所示，将选择变量定义为A，B，C，其中A符合正态分布，范围(-0.1～0.1)；B符合正态分布，范围(-0.2～0.2)；C符合正态分布，范围(-0.05～0.05)，将这些参数将通过输入变量模块载入到无人机虚拟试验系统中。
上述变量因素的不同会对输出有影响，因此准确提取主要因素，并获得影响因素之间的耦合影响，将影响较大的相关参数变量输入到无人机虚拟试验系统。
(2)选择虚拟模块中的试验设计方法中的拉丁超立方设计，在采样空间中选择关注点，分别再每个变量的N个等间隔中随机选取一个不重复的间隔，按均匀分布随机产生一个样本点，循环N次，得到N个水平间隔样本点；
如图3中的具体流程所示，本设计方法选择拉丁超方设计，对于任意设计变量均能自由设计采样点个数,其方法的设计结果为一N*M矩阵，每一行代表输入变量组合，每一列代表变量的是采样值，任意一列均是1～N的排列。在此设计中，采样点在每个设计变量都均匀等间隔分布，说明其在低维子空间上的投影很均匀，但是在每个点选取中，选取不同的间隔，生成的设计点也会相应的不同，一共有(n！)m种生成方案。
本步骤方法使样本点可以充分反映设计空间内输入输出映射关系的信息，设计点在空间分布越均匀、样本点之间的相关性越小，采样点越能反映设计空间的信息。
(3)开始虚拟试验计算，通过在工作站建模，服务器计算，计算机处理结果，载入生成的试验设计方案，使用建模工具建立有限元无人机数字化和目标虚拟样机，并载入无人机数字化模型、目标数字化样机和空气模型模型，将参数值变为试验设计方案值，通过仿真计算，得到结果值；
本步骤通过专用计算软件，有限元模型求解，进行数值模拟计算，使得各种试验项目如同在真实环境中进行，并取得与真实物理试验等价或相近的试验效果。
(4)进行预测建模，将步骤(3)中的虚拟试验计算得到的与试验设计方案对应的结果值，通过预测建模方法多项式响应面方法实现试验设计空间中离散样本点构造整个设计空间上输入输出特性的逼近，建立变量与结果值的模型关系；
如图4中的近似模型示意图所示，建立了变量A，B，C与结果值D的模型关系。
上述预测建模为方法建模模块，是一种高效的、可靠的工程优化设计，将便于计算的近似函数耦合到优化算法中，进行序列优化，多次迭代循环后得到实际问题的近似最优解，建立变量与结果值的模型关系。
(5)如图5中的流程图所示，当步骤(4)中的模型建立后，在步骤(1)变量的可选择范围中选取参数，通过所述步骤(4)中建立的模型关系得到对应值。
本发明中使用的改进的拉丁超立方试验设计方法算法针对当虚拟试验单次计算过程长，设计点多时，整体累计时间成倍增长的问题。选择从最小的优化拉丁方设计开始，不断衍生出更大规模的拉丁超立方设计，保证了可以从最小的优化拉丁方设计中便可以建立初步的预测模型，但随后的更大规模的拉丁超立方设计还可继续使用原有的设计点，从而既保证了初步的预测模型，还可继续建立精度更高的预测模型。
其中算法图如图6所示，例如单次计算需要一天，当生成试验设计方案数据为30组时，需要30天才能建立最终的预测模型，使用改进的拉丁超立方试验设计方法算法，先生成试验设计方案数据为10组，10天可建立初步的预测模型，随着后续的计算，也可建立相同精度的预测模型。
本试验方法解决了外场试验的弊端，解决了漫长的研发时间、巨大的经费开销和获得数据困难等现实困难，通过建立虚拟的自然环境或试验环境、场景和试验手段，并建立相应的数学模型。通过虚拟试验对无人机的数学模型或原形样机进行仿真试验，获得与实际性能相同或接近的试验结果。
具体实施例2
在实施例1的基础上，步骤(3)中的仿真软件为LS-DYNA，通过进行碰撞有限元仿真分析、设置、材料、初始速度参数求解，对试验设计方案中的每个变量进行数值模拟计算，取得试验设计方案中的变量与真实物理试验等价的计算结果。
具体实施例3
在实施例1的基础上，步骤(4)中的预测建模方法还可以使用径向基函数方法或者向量回归中的一种来实现。
虽然在上文中已经参考了一些实施例对本发明进行描述，然而在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效无替换其中的技术点，尤其是，只要不存在技术冲突，本发明所纰漏的各种实施例中的各项特征均可通过任一方式结合起来使用，在本发明中未对这些组合的情况进行穷举行的描述仅仅是处于省略篇幅和节约资源的考虑。因此，本发明并不局限于文中公开的特定实施例，而且包括落入权利要求。
Claims (4)
1.一种无人机虚拟试验方法，其特征在于，所述流程步骤如下：
(1)输入变量：分别将无人机设计尺寸变量、无人机随机环境变量和无人机控制建模过程中的变量输送至虚拟试验模块中；
(2)选择虚拟模块中的试验设计方法中的拉丁超立方设计，在采样空间中选择关注点，分别再每个变量的N个等间隔中随机选取一个不重复的间隔，按均匀分布随机产生一个样本点，循环N次，得到N个水平间隔样本点；
(3)开始虚拟试验计算，通过在工作站建模，服务器计算，计算机处理结果，载入生成的试验设计方案，使用建模工具建立有限元无人机数字化和目标虚拟样机，并载入无人机数字化模型、目标数字化样机和空气模型模型，将参数值变为试验设计方案值，通过仿真计算，得到结果值；
(4)进行预测建模，将步骤(3)中的虚拟试验计算得到的与试验设计方案对应的结果值，通过预测建模方法多项式响应面方法实现试验设计空间中离散样本点构造整个设计空间上输入输出特性的逼近，建立变量与结果值的模型关系；
(5)当步骤(4)中的模型建立后，在步骤(1)变量的可选择范围中选取参数，通过所述步骤(4)中建立的模型关系得到对应值。
2.根据权利要求1所述的一种无人机虚拟试验方法，其特征在于，所述步骤(1)中的变量符合正态分布。
3.根据权利要求1所述的一种无人机虚拟试验方法，其特征在于，所述步骤(3)中的仿真软件为LS-DYNA，通过进行碰撞有限元仿真分析、设置、材料、初始速度参数求解，对试验设计方案中的每个变量进行数值模拟计算，取得试验设计方案中的变量与真实物理试验等价的计算结果。
4.根据权利要求1所述的一种无人机虚拟试验方法，其特征在于，步骤(4)中的预测建模方法还可以使用径向基函数方法或者向量回归中的一种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911211943.8A CN111062159B (zh) | 2019-12-02 | 2019-12-02 | 一种无人机虚拟试验方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911211943.8A CN111062159B (zh) | 2019-12-02 | 2019-12-02 | 一种无人机虚拟试验方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111062159A true CN111062159A (zh) | 2020-04-24 |
| CN111062159B CN111062159B (zh) | 2024-01-30 |
Family
ID=70299370
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911211943.8A Active CN111062159B (zh) | 2019-12-02 | 2019-12-02 | 一种无人机虚拟试验方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111062159B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114148542A (zh) * | 2020-09-08 | 2022-03-08 | 丰翼科技(深圳)有限公司 | 无人机测试方法、装置及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170293048A1 (en) * | 2016-04-09 | 2017-10-12 | Powerchina Huadong Engineering Corporation Limited | Response Surface Method for Identifying The Parameters of Burgers Model for Slope Soil |
| CN110514375A (zh) * | 2019-07-26 | 2019-11-29 | 上海卫星装备研究所 | 基于虚拟现实的卫星虚拟振动试验测试方法和系统 |
-
2019
- 2019-12-02 CN CN201911211943.8A patent/CN111062159B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170293048A1 (en) * | 2016-04-09 | 2017-10-12 | Powerchina Huadong Engineering Corporation Limited | Response Surface Method for Identifying The Parameters of Burgers Model for Slope Soil |
| CN110514375A (zh) * | 2019-07-26 | 2019-11-29 | 上海卫星装备研究所 | 基于虚拟现实的卫星虚拟振动试验测试方法和系统 |
Non-Patent Citations (2)
| Title |
|---|
| 李铁;田博;闫炜;: "近炸引信终点弹道虚拟试验技术" * |
| 江振宇;张磊;王有亮;张为华;: "战斗部虚拟试验多级模型集成方法研究" * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114148542A (zh) * | 2020-09-08 | 2022-03-08 | 丰翼科技(深圳)有限公司 | 无人机测试方法、装置及存储介质 |
| CN114148542B (zh) * | 2020-09-08 | 2024-05-31 | 丰翼科技(深圳)有限公司 | 无人机测试方法、装置及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111062159B (zh) | 2024-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103246760B (zh) | 使用各向异性核的、基于多代理的参数选择的系统及方法 | |
| EP3688673A1 (en) | Neural architecture search | |
| Shayesteh et al. | Scenario reduction, network aggregation, and DC linearisation: which simplifications matter most in operations and planning optimisation? | |
| US20220391471A1 (en) | Method, circuit, and soc for performing matrix multiplication operation | |
| EP4339843A1 (en) | Neural network optimization method and apparatus | |
| US20220121999A1 (en) | Federated ensemble learning from decentralized data with incremental and decremental updates | |
| CN113591215A (zh) | 基于不确定性的异常卫星组件布局检测方法 | |
| CN112906757A (zh) | 模型训练方法、光功率预测方法、装置、设备及存储介质 | |
| CN111062159A (zh) | 一种无人机虚拟试验方法 | |
| US8412649B2 (en) | Method for converting dynamical systems with continuous states into Markov decision processes with discrete states | |
| CN113094899B (zh) | 一种随机潮流计算方法、装置、电子设备及存储介质 | |
| CN110909908B (zh) | 一种用于物品拣选时长预测的方法和装置 | |
| KR102500939B1 (ko) | 방사 예측 처리 방법, 스택 일반화 모델 훈련 방법 및 장치 | |
| Hanif et al. | Enhancing solar forecasting accuracy with sequential deep artificial neural network and hybrid random forest and gradient boosting models across varied terrains | |
| CN111046545A (zh) | 一种无人机虚拟试验系统 | |
| Ritz et al. | Rapid calculation of missile aerodynamic coefficients using artificial neural networks | |
| CN110019937B (zh) | 视频热度的预测方法及装置 | |
| CN111488496B (zh) | 一种基于滑动窗口的Tango树构建方法及系统 | |
| CN113077112A (zh) | 数据获取方法及装置、计算机设备、存储介质 | |
| CN114764587A (zh) | 燃气轮机的烟气一氧化碳含量监测方法及装置 | |
| Gao et al. | A ConvNets-based approach for capturing the heterogeneity of spatial domain in parallel geoprocessing | |
| Yan et al. | Empirically characteristic analysis of chaotic PID controlling particle swarm optimization | |
| CN116956647B (zh) | 一种气动数据融合方法及系统 | |
| CN117952024B (zh) | 异构数据融合的固体发动机先验模型构建方法及应用 | |
| Bastani et al. | Efficient design selection in microgrid simulations |
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 |