CN111666630B - 一种煤矿井下无人机结构的多目标智能优化设计方法 - Google Patents

Abstract

一种煤矿井下无人机结构的多目标智能优化设计方法，属于无人机结构设计方法。无人机设计：根据井下无人机飞行环境特点和巡航要求，选取无人机结构设计的决策变量，确定优化目标和约束条件，构建井下无人机结构设计的多目标优化模型；考虑到无人机飞行稳定性这一优化目标很难建立数值模型，基于决策变量取值，获得代表个体及其飞行稳定性的数值模拟评价，进而采用机器学习方法，构建其代理模型，形成飞行稳定性优化目标评价函数；采用NSGA‑II多目标优化方法，结合约束处理机制，实现无人机结构的寻优，并对获得的最优结构进行仿真验证分析。本方法用于煤矿井下无人机结构设计，有效保证了无人机结构的合理性与科学性，保障了井下作业的安全性和经济性。

Description

一种煤矿井下无人机结构的多目标智能优化设计方法

技术领域

本发明涉及一种无人机结构设计方法，特别是一种煤矿井下无人机结构的多目标智能优化设计方法。

背景技术

目前，我国煤炭资源的分布存在浅层埋藏量不足特性，煤炭开采逐步向深部开发利用发展，开采难度越来越高，出现瓦斯突出、冲击地压等灾害的可能性也随之升高。当出现作业事故时，必须对灾后的井下环境和人员进行及时准确探测。然而，煤矿井下复杂地生产条件，使探测救援的难度大大增加；传统的人工施救策略，产生二次意外事故的可能性较高，对矿井安全隐患的危险倍增。

无人机作为一款高度智能机器人，是一种通过无线电技术、设备和自控程序实现远端智能调控的非载人飞行器。无人机具有远程操控或自主能力，不存在执行人员的伤亡隐患，成为有效的救援探测设备。文献(张军红,李国民.轻型无人机复合材料机翼设计分析与验证.西安航空技术高等专科学校学报,2013,31(3):33-36)基于有限元模型，根据机翼的静强度和应力分布，选取轻型无人机的机翼构件布局。该方法对中小型复合材料无人机结构设计和静强度试验具有一定的参考价值。文献(Lee M K,Cho C M,Jang S Y.HALEUAV.Composite wing structure design.Advanced Materials Research,2010,123-125:105-108) 选取具有最佳无人机质量的复合材料，并对所设计的无人机机翼进行有限元分析。文献(王一凡,孙刚,张淼.考虑转捩点约束的自然层流翼型变弯度设计.航空计算技术,2018,48(2):33-36)针对大型民用航空飞机的机翼，采用代理模型和遗传算法，提出针对自然层流翼型的变弯度优化设计方法。实验分析表明在巡航范围内的不同升力系数下，随着翼型弯度的变化，翼型表面仍然能够保持一定程度的层流区域，使整个巡航段中翼型的气动效率得到提升。

针对煤矿井下四旋翼无人机的智能优化方法研究较少，大多数研究工作主要是采用数值模拟的方法，对四旋翼无人机结构进行有限元分析与模态分析。文献(刘峰,高鸿渐,喻辉,等.基于有限元的四旋翼无人机碳纤维结构优化设计与固有模态分析.玻璃钢/复合材料, 2017,4:17-23)针对消费级的无人机，采用有限元分析方法，基于最大应力强度准则，设计质量轻、结构简单的碳纤维四旋翼无人机，分析了所设计结构的稳定性，计算了初始结构失稳临界载荷和失稳模态，基于最小重量要求，对无人机初始结构的碳纤维铺层进行了优化设计。

发明内容

本发明所要解决的技术问题是：提出一种煤矿井下无人机结构的多目标智能优化设计方法，旨在获得一组兼顾无人机质量、无人机升力和无人机成本的最优无人机制造方案。

本发明的技术解决方案：无人机多目标智能优化设计方法：建立煤矿井下无人机结构的多目标优化模型，并采用多目标优化方法求解该结构优化设计模型，为煤矿井下巷道狭闭空间内实现巡航的无人机设计方案，其步骤如下：

Step1：建立煤矿井下无人机结构方案的升力代理模型。

井下无人机由机架和动力系统组成，整机具有对称性；在机架和动力系统的共同作用下，无人机的升力由单一桨叶上提供的拉力差决定；无人机机架结构与动力系统包含多个参数，其与无人机升力之间存在高度非线性关系，且无法建立机理模型，采用辨识方法，构建无人机升力的代理模型，用于后续智能优化过程中的个体适应度评价。

Step2：构建兼顾无人机质量、成本和升力的多目标优化设计模型。

为了满足煤矿井下探测和巡航工作需要，同时满足无人机的飞行安全性和制造经济性，无人机结构方案的评价指标包括两个部分；其一，采用无人机质量f₁(x)和升力f₂(x)，评估无人机的飞行平稳性，其中，无人机升力采用代理模型，无人机质量通过机架结构参数和机架材料加以描述；其二，采用无人机成本f₃(x)评价所设计的无人机结构经济性，选取无人机机架和动力系统所需材料的总价作为无人机成本；确定决策变量及其约束范围，兼顾无人机质量、升力和成本三个优化目标，建立煤矿井下无人机结构的三目标优化设计模型。

Step3：煤矿井下无人机结构的多目标优化设计方法。

采用多目标智能优化算法，求解煤矿井下无人机结构设计三目标优化模型，得到Pareto 最优解集，实现井下无人机结构参数的优化设计。

Step4：数值模拟验证获得的最优结构方案性能。

为了验证获得的最优结构方案是否能够满足实际工程需要，从Pareto最优解集中选取满足成本预算需求的若干结构方案，采用Fluent数值模拟软件，对无人机升力进行分析验证，并对无人机机架进行模态分析，验证机架稳定性和飞行安全性。

所述的步骤1中，建立煤矿井下无人机结构方案的升力代理模型，采用以下步骤获得：

Step1：选取无人机机架和动力系统关键参数，确定煤矿井下无人机结构优化的决策变量，记为x＝{x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈}；其中，x₁表示电机座直径，x₂表示机架直径，x₃表示框架宽度，x₄表示起落架高度，x₅表示厚度，x₆表示高度，x₇表示支架个数，x₈表示桨叶尺寸。

Step2：根据无人机原材料制造限制，x₅,x₇,x₈采用离散整数值；其余变量采用连续值；确定各个决策变量的取值范围，记为

x₅∈{1,1.5,2,2.5}，

x₇∈{2,3,4,5,6,7,8}，x₈∈{127.0,152.4}。

Step3：采用拉丁超立方抽样法，产生无人机结构样本数据，记为D＝[x_i]；其中，x_i,i＝1,2,…,N为第i个样本，N为样本规模。

Step4：采用Fluent数值模拟软件，对相应结构方案建立三维网格和有限元分析模型，获得每种结构方案的无人机升力，记为U(x_i),x_i∈D。

Step5：根据无人机结构参数和相应的升力，建立无人机升力样本数据库

Step6：采用由Kriging法和径向基函数构成的集成学习模型，训练样本数据，辨识无人机结构参数和升力之间的非线性映射关系，构建高精度的无人机升力代理模型f₂(x)；其中，各个子模型的输出通过加权方法加以集成，权值根据其训练误差动态修正；令

为第l个子模型的训练误差，

为无人机升力估计值，则第k个子模型权重w^k记为：

所述的步骤2中，构建兼顾无人机质量、成本和升力的多目标优化设计模型，采用以下步骤获得：

Step1：记ρ_t为无人机机架密度，ρ_s为无人机支撑架密度，d为无人机支架宽度，M₀为桨叶的单位质量，c_t为无人机机架造价，c_s为无人机支架造价，k_f为桨叶造价，建立无人机质量f₁(x)和无人机成本f₃(x)的目标函数分别为：

Step2：构建煤矿井下无人机结构的三目标优化设计模型，记为

F(x)＝{minf₁(x),maxf₂(x),minf₃(x)}。

所述的步骤3中，煤矿井下无人机结构的多目标优化设计方法，采用以下步骤获得：

Step1：设定种群规模为N，最大进化代数为Gen；设置优化算法的初始进化代数t＝0，设置初始种群P(0)。

Step2：对个体进行适应度评价，并根据个体的适应度值进行非支配排序。

Step3：依据个体的序值和拥挤距离，选择非占优个体。

Step4：通过交叉和变异操作，生成下一代种群P(t+1)。

Step5：判断是否达到最大迭代次数，若满足，则输出Pareto最优解集；否则，t＝t+1，跳转到Step2。

所述的步骤4中，数值模拟验证获得的最优结构方案性能，采用以下步骤获得：

Step1：从Pareto最优解集中，分别选取具有最小成本、最小质量、最大升力和具有折中目标值的4种无人机结构方案。

Step2：结合SolidWorks和Fluent仿真软件，仿真分析无人机结构方案中单一桨叶的拉力，并将其作为机架的反向作用力，求解无人机的瞬态模态响应。

Step3：选取可以满足无人机质量、升力和成本实际需求的最优无人机结构方案。

有益效果，由于采用了上述方案，本发明面向煤矿井下这一特有狭闭空间，采用多目标优化设计方法，寻优获得可以满足井下平稳飞行的小型四旋翼无人机最佳设计方案，实现矿井环境的探测和信息的获取，提高煤矿井下灾后救援的有效性。四旋翼无人机通常具有结构对称性，为井下四旋翼无人机方案设计提供了有利条件。所设计的四旋翼无人机不仅可以避免救援人员在灾难现场靠近未知区域采集数据时发生二次灾害的危险，降低井下盲区救援的危险灾害系数，为救援决策提供科学有利的依据。

本发明有机融合数据驱动的代理模型技术和智能优化方法，综合考虑煤矿井下巷道用于巡航和探测的无人机飞行安全性、平稳性和制造经济性，兼顾无人机质量、升力和成本三个目标，采用先进的多目标进化优化方法，实现无人机结构方案的寻优。

构建的煤矿井下无人机升力代理模型可以替代耗时的数值模拟评价过程，对优化过程中的个体性能进行评价，有效降低计算成本；多目标优化模型兼顾无人机质量、成本和升力，基于此模型获得的无人机结构方案符合煤矿井下实际运行环境需求，有利于保障其在煤矿井下巡航和探测任务的顺利实施，还可以为煤矿井下灾后救援工作的安全推进和井下环境状态探测提供有力的实现基础。

无人机结构设计目的是在保证无人机结构稳定性的前提下，尽可能的降低无人机质量和成本，提高无人机的拉力，从而实现煤矿井下无人机的长续航、低成本与高灵活性，提升探测和巡航效率。

基于此，本发明采用无人机作为一种自主移动设备，实现及时有效的灾后环境和危险源探测，为构建高效可靠的灾难应急救援体系提供必要的实现基础。

优点：

(1)煤矿井下无人机结构参数直接影响无人机的飞行平稳性、安全性和制造经济性；并且用于度量上述性能的无人机质量、升力和成本之间存在彼此制约关系。若要获得兼顾以上目标的最佳结构方案，是一个NP-hard问题。本发明以无人机质量、升力和成本作为目标函数，将煤矿井下无人机结构设计建模为一个多目标优化问题，进而采用多目标优化方法进行求解，从而获得一组综合考虑上述三个目标的无人机结构方案集，通过对最优结构方案进行瞬态模态响应仿真验证，获得满足实际工程需求的无人机结构最优设计方案。

(2)通过建立无人机升力代理模型，避免对每个结构方案进行耗时的数值模拟，从而降低结构方案评价的计算成本。本发明采用拉丁超立方抽样方法和数值模拟软件，获得无人机结构方案的初始样本集；采用Kriging方法和径向基函数构成集成学习模型，显著提升了代理模型的整体准确性，提高了模型评价可靠性。

附图说明

图1为本发明的煤矿井下无人机结构的多目标智能优化设计方法流程图。

图2为本发明的煤矿井下无人机结构设计的决策变量物理含义示意图。

图2-1为图2的正视结构图。

图3为本发明的煤矿井下无人机结构Pareto最优解集。

图4为本发明的单一桨叶无人机升力仿真图。

图5为本发明的方案一的无人机机架瞬态模态分析。

图6为本发明的方案二的无人机机架瞬态模态分析。

图7为本发明的方案三的无人机机架瞬态模态分析。

图中，1、电机座直径；2、机架直径；3、框架宽度；4、起落架高度；5、厚度；6、高度；7、支架个数；8、桨叶尺寸。

具体实施方式

无人机多目标智能优化设计方法：建立煤矿井下无人机结构的多目标优化模型，并采用多目标优化方法求解该结构优化设计模型，为煤矿井下巷道狭闭空间内实现巡航的无人机设计方案，其步骤如下：

Step1：建立煤矿井下无人机结构方案的升力代理模型。

井下无人机由机架和动力系统组成，整机具有对称性；在机架和动力系统的共同作用下，无人机的升力由单一桨叶上提供的拉力差决定；无人机机架结构与动力系统包含多个参数，其与无人机升力之间存在高度非线性关系，且无法建立机理模型，采用辨识方法，构建无人机升力的代理模型，用于后续智能优化过程中的个体适应度评价。

Step2：构建兼顾无人机质量、成本和升力的多目标优化设计模型。

为了满足煤矿井下探测和巡航工作需要，同时满足无人机的飞行安全性和制造经济性，无人机结构方案的评价指标包括两个部分；其一，采用无人机质量f₁(x)和升力f₂(x)，评估无人机的飞行平稳性，其中，无人机升力采用代理模型，无人机质量通过机架结构参数和机架材料加以描述；其二，采用无人机成本f₃(x)评价所设计的无人机结构经济性，选取无人机机架和动力系统所需材料的总价作为无人机成本；确定决策变量及其约束范围，兼顾无人机质量、升力和成本三个优化目标，建立煤矿井下无人机结构的三目标优化设计模型。

Step3：煤矿井下无人机结构的多目标优化设计方法。

采用多目标智能优化算法，求解煤矿井下无人机结构设计三目标优化模型，得到Pareto 最优解集，实现井下无人机结构参数的优化设计。

Step4：数值模拟验证获得的最优结构方案性能。

为了验证获得的最优结构方案是否能够满足实际工程需要，从Pareto最优解集中选取满足成本预算需求的若干结构方案，采用Fluent数值模拟软件，对无人机升力进行分析验证，并对无人机机架进行模态分析，验证机架稳定性和飞行安全性。

所述的步骤1中，建立煤矿井下无人机结构方案的升力代理模型，采用以下步骤获得：

Step1：选取无人机机架和动力系统关键参数，确定煤矿井下无人机结构优化的决策变量，记为x＝{x₁,x₂,x₃,x₄,x₅,x₆,x₇,x₈}；其中，x₁表示电机座直径，x₂表示机架直径，x₃表示框架宽度，x₄表示起落架高度，x₅表示厚度，x₆表示高度，x₇表示支架个数，x₈表示桨叶尺寸。

Step2：根据无人机原材料制造限制，x₅,x₇,x₈采用离散整数值；其余变量采用连续值；确定各个决策变量的取值范围，记为

x₅∈{1,1.5,2,2.5}，

x₇∈{2,3,4,5,6,7,8}，x₈∈{127.0,152.4}。其中，x_i ,i＝1,2,3,4,6 表示相应的决策变量取值下限，

表示相应的决策变量取值上限。

Step3：采用拉丁超立方抽样法，产生无人机结构样本数据，记为D＝[x_i]；其中，x_i,i＝1,2,…,N为第i个样本，N为样本规模。

Step4：采用Fluent数值模拟软件，对相应结构方案建立三维网格和有限元分析模型，获得每种结构方案的无人机升力，记为U(x_i),x_i∈D。

Step5：根据无人机结构参数和相应的升力，建立无人机升力样本数据库

Step6：采用由Kriging法和径向基函数构成的集成学习模型，训练样本数据，辨识无人机结构参数和升力之间的非线性映射关系，构建高精度的无人机升力代理模型f₂(x)；其中，各个子模型的输出通过加权方法加以集成，权值根据其训练误差动态修正；令

为第l个子模型的训练误差，

为无人机升力估计值，则第k个子模型权重w^k记为：

所述的步骤2中，构建兼顾无人机质量、成本和升力的多目标优化设计模型，采用以下步骤获得：

Step1：记ρ_t为无人机机架密度，ρ_s为无人机支撑架密度，d为无人机支架宽度，M₀为桨叶的单位质量，c_t为无人机机架造价，c_s为无人机支架造价，k_f为桨叶造价，建立无人机质量f₁(x)和无人机成本f₃(x)的目标函数分别为：

Step2：构建煤矿井下无人机结构的三目标优化设计模型，记为

F(x)＝{minf₁(x),maxf₂(x),minf₃(x)}。

所述的步骤3中，煤矿井下无人机结构的多目标优化设计方法，采用以下步骤获得：

Step1：设定种群规模为N，最大进化代数为Gen；设置优化算法的初始进化代数t＝0，设置初始种群P(0)。

Step2：对个体进行适应度评价，并根据个体的适应度值进行非支配排序。

Step3：依据个体的序值和拥挤距离，选择非占优个体。

Step4：通过交叉和变异操作，生成下一代种群P(t+1)。

Step5：判断是否达到最大迭代次数，若满足，则输出Pareto最优解集；否则，t＝t+1，跳转到Step2。

所述的步骤4中，数值模拟验证获得的最优结构方案性能，采用以下步骤获得：

Step1：从Pareto最优解集中，分别选取具有最小成本、最小质量、最大升力和具有折中目标值的4种无人机结构方案。

Step2：结合SolidWorks和Fluent仿真软件，仿真分析无人机结构方案中单一桨叶的拉力，并将其作为机架的反向作用力，求解无人机的瞬态模态响应。

Step3：选取可以满足无人机质量、升力和成本实际需求的最优无人机结构方案。

下面结合具体附图和实例对本发明所提方法的实施方式进行详细说明。

实施例1：煤矿井下无人机结构的多目标智能优化设计方法，其特征是，包括如下步骤：

步骤1)选取无人机机架和动力系统关键参数，确定煤矿井下无人机结构优化的决策变量，确定其变量类型和取值范围。

步骤2)采用拉丁超立方抽样法，结合Fluent数值模拟软件，产生无人机结构及其升力的样本数据集。

步骤3)采用由Kriging法和径向基函数构成的集成学习模型，建立煤矿井下无人机结构方案的升力代理模型。

步骤4)兼顾无人机质量、升力和成本三个优化目标，建立煤矿井下无人机结构的三目标优化设计模型。

步骤5)采用多目标智能优化算法，求解煤矿井下无人机结构设计三目标优化模型，得到Pareto最优解集，实现井下无人机结构参数的优化设计。

步骤6)分别选取具有最小成本、最小质量、最大升力和具有折中目标值的4种无人机结构方案；结合SolidWorks和Fluent仿真软件，仿真分析无人机结构方案中单一桨叶的拉力，并将其作为机架的反向作用力，求解无人机的瞬态模态响应；选取可以满足无人机质量、升力和成本实际需求的最优无人机结构方案。

所述步骤1)中，确定无人机结构参数的具体步骤为：

Step1：决定无人机质量、无人机升力和无人机成本的关键因素是无人机的机架与动力系统，其具体参数包括：电机座直径x₁，机架直径x₂，框架宽度x₃，起落架高度x₄，厚度x₅，高度x₆，支架个数x₇，桨叶尺寸x₈；

Step2：根据煤矿井下无人机的设计要求，确定上述结构参数的取值范围为：x₁∈[24,60]， x₂∈[380,450]，x₃∈[0，40]，x₄∈[10,100]，x₅∈{1,1.5,2,2.5}，x₆∈[260,290]，x₇∈{2,3,4,5,6,7,8}， x₈∈{127.0,152.4}。

所述步骤2)中，产生无人机结构及其升力的样本数据集的具体步骤为：

Step1：根据结构参数的取值范围，产生20组无人机结构样本数据；

Step2：通过Fluent对无人机的整体结构进行非结构网格划分，获得无人机结构参数的单一桨叶升力，构成样本数据库。

表1无人机结构参数样本数据

所述步骤3)中，建立煤矿井下无人机结构方案的升力代理模型具体步骤为：

Step1：高斯径向基函数中的参数c选取为1、0.1、0.05、0.01，Multiquadric径向基函数中的参数c选取为[0.1,1,2,4,4.5,5]，采用CV验证分别获取其最佳值；构建Kriging模型，其关联函数中的系数θ取值如下表2：

表2 Kriging模型中θ取值

Step2：采用判定系数R²和均方根误差RMSE评价模型，分析各个子模型精度如表3。

表3模型精度评价

所述步骤4)中，建立煤矿井下无人机结构的三目标优化设计模型的具体步骤为：

根据无人机其内部参数表，建立无人机质量f₁(x)和无人机成本f₃(x)的目标函数分别为：

表4无人机机架和动力系统的内部参数

由此，建立煤矿井下无人机结构的三目标优化设计模型为：

F(x)＝(minf₁(x),maxf₂(x),minf₃(x))^T。

所述步骤6)中，4种无人机结构方案的模拟数值分析步骤如下：

Step1：从图3所示的Pareto最优结构集中选取4组设计方案，其结构参数和目标值如表5所示：

表5无人机最佳结构设计方案

Step2：导入创建的实体模型或直接利用节点和单元生成有限元模型，定义模型的单元类型与材料属性；

Step3：设置物理环境、边界条件与接触条件，对结构设计方案进行求解验证，验证无人机的稳定性。无人机有限元分析仿真验证如图4-图7所示。

Claims (5)

1.一种煤矿井下无人机结构的多目标智能优化设计方法，其特征在于：无人机多目标智能优化设计方法：建立煤矿井下无人机结构的多目标优化模型，并采用多目标优化方法求解该结构优化设计模型，为煤矿井下巷道狭闭空间内实现巡航的无人机设计方案，其步骤如下：

Step1：建立煤矿井下无人机结构方案的升力代理模型；

井下无人机由机架和动力系统组成，整机具有对称性；在机架和动力系统的共同作用下，无人机的升力由单一桨叶上提供的拉力差决定；无人机机架结构与动力系统包含多个参数，其与无人机升力之间存在高度非线性关系，且无法建立机理模型，采用辨识方法，构建无人机升力的代理模型，用于后续智能优化过程中的个体适应度评价；

Step2：构建兼顾无人机质量、成本和升力的多目标优化设计模型；

为了满足煤矿井下探测和巡航工作需要，同时满足无人机的飞行安全性和制造经济性，无人机结构方案的评价指标包括两个部分；其一，采用无人机质量f₁(x)和升力f₂(x)，评估无人机的飞行平稳性，其中，无人机升力采用代理模型，无人机质量通过机架结构参数和机架材料加以描述；其二，采用无人机成本f₃(x)评价所设计的无人机结构经济性，选取无人机机架和动力系统所需材料的总价作为无人机成本；确定决策变量及其约束范围，兼顾无人机质量、升力和成本三个优化目标，建立煤矿井下无人机结构的三目标优化设计模型；

Step3：煤矿井下无人机结构的多目标优化设计方法；

采用多目标智能优化算法，求解煤矿井下无人机结构设计三目标优化模型，得到Pareto最优解集，实现井下无人机结构参数的优化设计；

Step4：数值模拟验证获得的最优结构方案性能；

为了验证获得的最优结构方案是否能够满足实际工程需要，从Pareto最优解集中选取满足成本预算需求的若干结构方案，采用Fluent数值模拟软件，对无人机升力进行分析验证，并对无人机机架进行模态分析，验证机架稳定性和飞行安全性。

2.根据权利要求1所述的煤矿井下无人机结构的多目标智能优化设计方法，其特征在于：步骤1中，建立煤矿井下无人机结构方案的升力代理模型，采用以下步骤获得：

Step1：选取无人机机架和动力系统关键参数，确定煤矿井下无人机结构优化的决策变量，记为x＝{x₁，x₂，x₃，x₄，x₅，x₆，x₇，x₈}；其中，x₁表示电机座直径，x₂表示机架直径，x₃表示框架宽度，x₄表示起落架高度，x₅表示厚度，x₆表示高度，x₇表示支架个数，x₈表示桨叶尺寸；

Step2：根据无人机原材料制造限制，x₅，x₇，x₈采用离散整数值；其余变量采用连续值；确定各个决策变量的取值范围，记为

x₅∈{1，1.5，2，2.5}，

x₇∈{2，3，4，5，6，7，8}，x₈∈{127.0，152.4}；

Step3：采用拉丁超立方抽样法，产生无人机结构样本数据，记为D＝[x_i]；其中，x_i，i＝1，2，…，N为第i个样本，N为样本规模；

Step4：采用Fluent数值模拟软件，对相应结构方案建立三维网格和有限元分析模型，获得每种结构方案的无人机升力，记为U(x_i)，x_i∈D；

Step5：根据无人机结构参数和相应的升力，建立无人机升力样本数据库

Step6：采用由Kriging法和径向基函数构成的集成学习模型，训练样本数据，辨识无人机结构参数和升力之间的非线性映射关系，构建高精度的无人机升力代理模型f₂(x)；其中，各个子模型的输出通过加权方法加以集成，权值根据其训练误差动态修正；令

为第l个子模型的训练误差，

为无人机升力估计值，则第k个子模型权重w^k记为：

3.根据权利要求1所述的煤矿井下无人机结构的多目标智能优化设计方法，其特征在于：步骤2中，构建兼顾无人机质量、成本和升力的多目标优化设计模型，采用以下步骤获得：

Step1：记ρ_t为无人机机架密度，ρ_s为无人机支撑架密度，d为无人机支架宽度，M₀为桨叶的单位质量，c_t为无人机机架造价，c_s为无人机支架造价，k_f为桨叶造价，建立无人机质量f₁(x)和无人机成本f₃(x)的目标函数分别为：

Step2：构建煤矿井下无人机结构的三目标优化设计模型，记为

F(x)＝{min f₁(x)，max f₂(x)，min f₃(x)}。

4.根据权利要求1所述的煤矿井下无人机结构的多目标智能优化设计方法，其特征在于：步骤3中，煤矿井下无人机结构的多目标优化设计方法，采用以下步骤获得：

Step1：设定种群规模为N，最大进化代数为Gen；设置优化算法的初始进化代数t＝0，设置初始种群P(0)；

Step2：对个体进行适应度评价，并根据个体的适应度值进行非支配排序；

Step3：依据个体的序值和拥挤距离，选择非占优个体；

Step4：通过交叉和变异操作，生成下一代种群P(t+1)；

Step5：判断是否达到最大迭代次数，若满足，则输出Pareto最优解集；否则，t＝t+1，跳转到Step2。

5.根据权利要求1所述的煤矿井下无人机结构的多目标智能优化设计方法，其特征在于：步骤4中，数值模拟验证获得的最优结构方案性能，采用以下步骤获得：

Step1：从Pareto最优解集中，分别选取具有最小成本、最小质量、最大升力和具有折中目标值的4种无人机结构方案；

Step2：结合SolidWorks和Fluent仿真软件，仿真分析无人机结构方案中单一桨叶的拉力，并将其作为机架的反向作用力，求解无人机的瞬态模态响应；

Step3：选取可以满足实际需求的无人机结构方案。

Images