CN113074890B - 大型空间可展开桁架结构关节铰链连接刚度在轨辨识方法 - Google Patents
大型空间可展开桁架结构关节铰链连接刚度在轨辨识方法 Download PDFInfo
- Publication number
- CN113074890B CN113074890B CN202110285404.XA CN202110285404A CN113074890B CN 113074890 B CN113074890 B CN 113074890B CN 202110285404 A CN202110285404 A CN 202110285404A CN 113074890 B CN113074890 B CN 113074890B
- Authority
- CN
- China
- Prior art keywords
- truss structure
- joint
- orbit
- scale space
- joint hinge
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M7/00—Vibration-testing of structures; Shock-testing of structures
- G01M7/02—Vibration-testing by means of a shake table
- G01M7/025—Measuring arrangements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/02—Details
- G01N3/04—Chucks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/30—Investigating strength properties of solid materials by application of mechanical stress by applying a single impulsive force, e.g. by falling weight
- G01N3/303—Investigating strength properties of solid materials by application of mechanical stress by applying a single impulsive force, e.g. by falling weight generated only by free-falling weight
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/0202—Control of the test
- G01N2203/0212—Theories, calculations
- G01N2203/0216—Finite elements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种大型空间可展开桁架结构关节铰链连接刚度在轨辨识方法,步骤一:建立关节铰链接头连接非线性刚度模型;步骤二:建立大型空间可展开桁架结构展开锁紧后的有限元模型;步骤三:设计正交实验表;步骤四:基于虚拟仿真获取机器学习样本;步骤五:通过模型训练与测试获取最优机器学习模型;步骤六,大型空间可展开桁架结构在轨瞬态响应测量;步骤七:基于在轨振动测试数据的大型空间可展开桁架结构关节铰链连接刚度在轨辨识。通过虚拟仿真及在轨振动测试和机器学习相结合的方法,能够准确辨识大型环形桁架天线、太阳翼桁架结构等大型空间桁架结构的各关节铰链连接刚度,特别适用于含有众多间隙的大型桁架的在轨动力学特性预测,为卫星系统在轨动力学模型修正与姿态控制提供了有力支撑。
Description
技术领域
本发明属于卫星等航天器在轨结构参数辨识领域,具体涉及一种大型空间可展开桁架结构关节铰链连接刚度在轨辨识方法。
背景技术
随着航天器结构的大型化和柔性化,大型空间可展开桁架结构得到越来越广泛的应用。桁架结构可以作为航天器的主体结构如太空机械臂,也可以作为有效载荷如大型展开天线、太阳帆板和太空望远镜等的支撑结构。以空间超大型可展开天线为例,由于其具有可折叠、收纳率高、质径比小等优点,在卫星通信、天基电子侦察、深空探测等方面均能发挥重要作用。这类天线在发射时处于收拢状态,发射入轨后按指令展开,展开到位后锁定并保持工作状态。
由于机构运动副和其它设计需求,大型空间可展开桁架结构构件是通过三维铰链连接的,在展开锁定之后仍含有众多无法完全消除的微小间隙。这些间隙虽然非常小,但由于运动副数量众多,大量铰接间隙会导致结构整体刚度下降并影响其动力学特性(如固有频率等),同时使得展开桁架结构在展开过程中容易引发结构振动和变形,不利于天线型面状态保持和卫星姿态控制,锁定后在时变热载荷等作用下容易引发振动,一旦受到各种外部和内部的干扰很容易激起低频、大幅度、长时间的振动,又由于其自身的低阻尼特性,振动很难自行衰减。这些都将直接影响航天器姿态运动以及有效载荷的指向稳定度,而且这些因素往往难以完全有效控制。由于铰链间隙是不可避免的,对机构动力学特性影响较大,因此,需要对含众多间隙的大型空间可展开桁架结构进行在轨动力学参数(如铰链连接刚度等)进行动力学辨识。由于运动副间隙导致的结构非线性振动属于非光滑系统动力学问题,具有时变铰链连接刚度的大型空间可展开桁架结构属于多模系统,且随着系统自由度增加,这种非光滑动力学现象变得更为复杂,这些都为大型空间可展开桁架结构的动力学特性预测带了极大困难,也对卫星系统姿态控制带来了诸多不确定性和挑战。对于自由度达到数万量级的空间桁架结构,其关节铰链连接刚度精确辨识也变得越来越重要。
发明内容
针对上述问题,本发明旨在提供一种可展开桁架结构的关节铰链的连接刚度在轨辨识方法,专用于含有众多间隙的大型桁架的在轨动力学特性预测。
为此,本发明所采用的技术方案为:一种大型空间可展开桁架结构关节铰链连接刚度在轨辨识方法,包括以下步骤:
步骤一:建立关节铰链接头连接非线性刚度模型;
首先,建立大型空间可展开桁架结构中所有类型关节铰链接头的三维几何模型,所述关节铰链接头带有铰链间隙,然后对该三维几何模型进行包括网格离散、材料参数定义、接触定义在内的前处理工作,进而建立关节铰链接触碰撞有限元模型;
然后,对关节铰链的一端固定,另外一端施加沿x轴正、反方向线性增大的载荷,获得该关节铰链接头在x轴上的非线性力—位移曲线,进而获得该关节铰链接头在x向的非线性刚度曲线;然后在y向和z向重复以上操作,获得该关节铰链接头在y和z向的非线性刚度曲线,进而建立关节铰链接头的非线性刚度模型;
步骤二:建立大型空间可展开桁架结构展开锁紧后的有限元模型;
基于参数化建模思想,建立大型空间可展开桁架结构展开锁紧后的有限元模型,模型中各桁架采用薄壁梁单元模拟,拉索采用含初始张力的索单元模拟,各铰链接头连接刚度采用非线性弹簧模拟,其中非线性弹簧模拟即非线性刚度模型,并对各关节铰链接头进行编号;
步骤三:设计正交实验表;
结合实际情况,将用于模拟关节铰链接头连接刚度的非线性弹簧刚度大小划分为n个水平值,根据正交实验法设计m因素n水平的正交实验表,该正交实验表应表征大型空间可展开桁架结构的铰链连接刚度组合特征,进而反应出大型空间可展开桁架结构的模态特性;
步骤四:基于虚拟仿真获取机器学习样本;
选取正交实验表中的某一非线性弹簧刚度组合,带入建立的大型空间可展开桁架结构展开锁紧后的有限元模型,同时选取大型空间可展开桁架结构的某一部位作为激励点,并在该桁架结构的其它部位作为测量点,在激励点施加激励,并通过瞬态有限元仿真获取各测量点的瞬态响应;重复该步骤,直至正交实验表所有组合情形执行完毕,即可获得所需机器学习样本:铰链刚度—系统响应谱样本;
步骤五:通过模型训练与测试获取最优机器学习模型;
将所获得机器学习样本中的70~80%作为训练样本,剩余20~30%作为测试样本;然后针对样本数据特点选择几种适用的机器学习模型,并基于训练和测试样本进行训练和测试,将训练结果进行对比,得到最终的最优机器学习模型;
步骤六,大型空间可展开桁架结构在轨瞬态响应测量;
采用步骤四中的方法,通过在和步骤四相同的激励点处施加激励,在和步骤四相同的测量点处安装传感器测量该大型空间可展开桁架结构的瞬态响应,进而获取该大型空间可展开桁架结构瞬态响应在轨测试数据;
步骤七:基于在轨振动测试数据的大型空间可展开桁架结构关节铰链连接刚度在轨辨识;
将步骤六中获取的大型空间可展开桁架结构瞬态响应在轨测试数据作为输入,采用步骤五中训练得到的最优机器学习模型,对该大型空间可展开桁架结构关节铰链连接刚度进行预测。
作为上述方案的优选,步骤六中,通过在该桁架结构的测量点部位布置加速度传感器、激光位移传感器或双目相机标记点,获取各测量点处的加速度或位移瞬态响应。
进一步优选为,步骤五中,机器学习算法包括BP神经网络算法、RBF神经网络、GRNN神经网络、极限学习机(ELM)、支持向量机(SVM)和受限玻尔兹曼机(RBM)。
进一步优选为,步骤五中,将所获得机器学习样本中的75%作为训练样本,剩余25%作为测试样本。
本发明的有益效果:通过虚拟仿真及在轨振动测试和机器学习相结合的方法,能够准确辨识大型环形桁架天线、太阳翼桁架结构等大型空间桁架结构的各关节铰链连接刚度,也适用于含有众多间隙的大型桁架结构的动力学特性预测(如固有频率、阻尼等)进行在轨辨识,为卫星系统在轨动力学模型修正与姿态控制提供了有力支撑。
附图说明
图1为本发明的结构示意图。
图2为大型环形桁架天线激励和测点布置示意图。
其中:1、大臂;2、桁架;3、关节铰链;4、瞬态响应测量点(传感器安装位置)。
图3是卫星太阳翼桁架索网结构。
其中:5、拉索;6、桁架;7、瞬态响应测量点(传感器安装位置)。
具体实施方式
下面通过实施例并结合附图,对本发明作进一步说明:
如图1所示,一种大型空间可展开桁架结构关节铰链连接刚度在轨辨识方法,包括以下步骤:
步骤一:建立关节铰链接头连接非线性刚度模型。
首先,建立大型空间可展开桁架结构中所有类型关节铰链接头的三维几何模型,所述关节铰链接头带有铰链间隙,然后对该三维几何模型进行网格离散、材料参数设置、接触定义等前处理工作,进而建立关节铰链接触碰撞有限元模型。
然后,对关节铰链的一端固定,另外一端施加沿x轴正、反方向线性增大的载荷,获得该关节铰链接头在x轴上的非线性力—位移曲线,进而获得该关节铰链接头在x向的非线性刚度曲线;然后在y向和z向重复以上操作,获得该关节铰链接头在y和z向的非线性刚度曲线,进而建立关节铰链接头的非线性刚度模型。
步骤二:建立大型空间可展开桁架结构展开锁紧后的有限元模型。
基于参数化建模思想,建立大型空间可展开桁架结构展开锁紧后的有限元模型。模型中各桁架采用薄壁梁单元模拟,拉索采用含初始张力的索单元模拟,各铰链接头连接刚度采用非线性弹簧模拟,其中非线性弹簧模拟即非线性刚度模型,并对各关节铰链接头进行编号。
步骤三:设计正交实验表。
结合实际情况,将用于模拟关节铰链接头连接刚度的非线性弹簧刚度大小划分为n个水平值,根据正交实验法设计m因素n水平的正交实验表,该正交实验表应表征大型空间可展开桁架结构的铰链连接刚度组合特征,进而反应出大型空间可展开桁架结构的振动模态特性。
具体实施时,该正交实验表应尽可能多的表征大型空间可展开桁架结构所有可能的铰链连接刚度组合特征,进而能准确反应出大型空间可展开桁架结构的诸多可能的振动模态特性。
步骤四:基于虚拟仿真获取机器学习样本。
选取正交实验表中的某一非线性弹簧刚度组合,带入建立的大型空间可展开桁架结构展开锁紧后的有限元模型,同时选取大型空间可展开桁架结构的某一部位作为激励点,并在该桁架结构的其它部位作为测量点,同时在激励点施加激励,通过瞬态有限元仿真获取各测量点的瞬态响应;重复该步骤,直至正交实验表所有组合情形执行完毕,即可获得所需机器学习样本:铰链刚度—系统响应谱样本。
该激励点部位可以是某一关节铰链接头,但不限于此。
步骤五:通过模型训练与测试获取最优机器学习模型;
将所获得机器学习样本中的70~80%作为训练样本,剩余20~30%作为测试样本;然后针对样本数据特点选择几种适用的机器学习模型,并基于训练和测试样本进行训练和测试,将训练结果进行对比,得到最终的最优机器学习模型
优选为,将所获得机器学习样本中的75%作为训练样本,剩余25%作为测试样本。训练样本数和测试样本数可根据实际训练测试效果进行适当调整。
机器学习算法包括BP神经网络算法、RBF神经网络、GRNN神经网络、极限学习机(ELM)、支持向量机(SVM)和受限玻尔兹曼机(RBM),但不限于此。
步骤六,大型空间可展开桁架结构在轨瞬态响应测量;
采用步骤四中的方法,通过在和步骤四相同的激励点处施加激励,在和步骤四相同的测量点处安装传感器测量该大型空间可展开桁架结构的瞬态响应,进而获取该大型空间可展开桁架结构瞬态响应在轨测试数据。
具体实施时,可以通过在该桁架结构的其它部位布置加速度传感器、激光位移传感器或双目相机作为测量点,通过在激励点施加脉冲激励,由传感器测量得到大型空间可展开桁架结构的振动加速度或位移瞬态响应;采用加速度传感器为接触式测量方法,采用激光位移传感器或双目相机为非接触式测量方法。
步骤七:基于在轨振动测试数据的大型空间可展开桁架结构关节铰链连接刚度在轨辨识。
将步骤六中获取的大型空间可展开桁架结构瞬态响应在轨测试数据作为输入,采用步骤五中训练得到的最优机器学习模型,对该大型空间可展开桁架结构关节铰链连接刚度进行预测。
图2所示为大型环形桁架天线激励和测点布置示意图。其中:大臂1;桁架2;关节铰链3;瞬态响应测量点4为传感器安装位置,若干。
图3所示为卫星太阳翼桁架索网结构。其中:拉索5;桁架6;瞬态响应测量点7为传感器安装位置,若干。
大型环形桁架天线、卫星太阳翼所采用的辨识方法一致,不同的是:大型环形桁架天线为环形立体结构,太阳翼桁架结构为方形立体结构,若采用传感器测量结构瞬态响应,为准确描述其低阶模态振型特点,传感器网络布点形式不同。
Claims (4)
1.一种大型空间可展开桁架结构关节铰链连接刚度在轨辨识方法,其特征在于,包括以下步骤:
步骤一:建立关节铰链接头连接非线性刚度模型;
首先,建立大型空间可展开桁架结构中所有类型关节铰链接头的三维几何模型,所述关节铰链接头带有铰链间隙,然后对该三维几何模型进行包括网格离散、材料参数设置、接触定义在内的前处理工作,进而建立关节铰链接触碰撞有限元模型;
然后,对关节铰链的一端固定,另外一端施加沿x轴正、反方向线性增大的载荷,获得该关节铰链接头在x轴上的非线性力—位移曲线,进而获得该关节铰链接头在x向的非线性刚度曲线;然后在y向和z向重复以上操作,获得该关节铰链接头在y和z向的非线性刚度曲线,进而建立关节铰链接头的非线性刚度模型;
步骤二:建立大型空间可展开桁架结构展开锁紧后的有限元模型;
基于参数化建模思想,建立大型空间可展开桁架结构展开锁紧后的有限元模型,模型中各桁架采用薄壁梁单元模拟,拉索采用含初始张力的索单元模拟,各铰链接头连接刚度采用非线性弹簧模拟,其中非线性弹簧模拟即非线性刚度模型,并对各关节铰链接头进行编号;
步骤三:设计正交实验表;
结合实际情况,将用于模拟关节铰链接头连接刚度的非线性弹簧刚度大小划分为n个水平值,根据正交实验法设计m因素n水平的正交实验表,该正交实验表应表征大型空间可展开桁架结构的铰链连接刚度组合特征,进而反应出大型空间可展开桁架结构的振动模态特性;
步骤四:基于虚拟仿真获取机器学习样本;
选取正交实验表中的某一非线性弹簧刚度组合,带入建立的大型空间可展开桁架结构展开锁紧后的有限元模型,同时选取大型空间可展开桁架结构的某一部位作为激励点,并在该桁架结构的其它部位作为测量点,通过瞬态仿真即在激励点施加激励,通过瞬态有限元仿真获取各测量点的瞬态响应;重复该步骤,直至正交实验表所有组合情形执行完毕,即可获得所需机器学习样本:铰链刚度—系统响应谱样本;
步骤五:通过模型训练与测试获取最优机器学习模型;
将所获得机器学习样本中的70~80%作为训练样本,剩余20~30%作为测试样本;然后针对样本数据特点选择几种适用的机器学习模型,并基于训练和测试样本进行训练和测试,将训练结果进行对比,得到最终的最优机器学习模型;
步骤六,大型空间可展开桁架结构在轨瞬态响应测量;
采用步骤四中的方法,通过在和步骤四相同的激励点处施加激励,在和步骤四相同的测量点处安装传感器测量该大型空间可展开桁架结构的瞬态响应,进而获取该大型空间可展开桁架结构瞬态响应在轨测试数据;
步骤七:基于在轨振动测试数据的大型空间可展开桁架结构关节铰链连接刚度在轨辨识;
将步骤六中获取的大型空间可展开桁架结构瞬态响应在轨测试数据作为输入,采用步骤五中训练得到的最优机器学习模型,对该大型空间可展开桁架结构关节铰链连接刚度进行预测。
2.根据权利要求1所述的大型空间可展开桁架结构关节铰链连接刚度在轨辨识方法,其特征在于:步骤六中,通过在该桁架结构的测量点部位布置加速度传感器、激光位移传感器或双目相机标记点,获取各测量点处的加速度或位移瞬态响应。
3.根据权利要求1所述的大型空间可展开桁架结构关节铰链连接刚度在轨辨识方法,其特征在于:步骤五中,机器学习算法包括BP神经网络算法、RBF神经网络、GRNN神经网络、极限学习机ELM、支持向量机SVM和受限玻尔兹曼机RBM。
4.根据权利要求1或3所述的大型空间可展开桁架结构关节铰链连接刚度在轨辨识方法,其特征在于:步骤五中,将所获得机器学习样本中的75%作为训练样本,剩余25%作为测试样本。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110285404.XA CN113074890B (zh) | 2021-03-17 | 2021-03-17 | 大型空间可展开桁架结构关节铰链连接刚度在轨辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110285404.XA CN113074890B (zh) | 2021-03-17 | 2021-03-17 | 大型空间可展开桁架结构关节铰链连接刚度在轨辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113074890A CN113074890A (zh) | 2021-07-06 |
CN113074890B true CN113074890B (zh) | 2021-11-23 |
Family
ID=76612586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110285404.XA Active CN113074890B (zh) | 2021-03-17 | 2021-03-17 | 大型空间可展开桁架结构关节铰链连接刚度在轨辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113074890B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100262612B1 (ko) * | 1997-10-15 | 2001-03-02 | 정몽규 | 3 도어 차량의 차체 강도 및 내구 해석 방법 |
US20060249315A1 (en) * | 2005-03-31 | 2006-11-09 | Massachusetts Institute Of Technology | Artificial human limbs and joints employing actuators, springs, and variable-damper elements |
US7313463B2 (en) * | 2005-03-31 | 2007-12-25 | Massachusetts Institute Of Technology | Biomimetic motion and balance controllers for use in prosthetics, orthotics and robotics |
CN102401727A (zh) * | 2011-08-24 | 2012-04-04 | 西安理工大学 | 一种获得机械结合部刚度的方法 |
CN107563083B (zh) * | 2017-09-12 | 2020-10-09 | 电子科技大学 | 基于bp神经网络的卫星天线面板展开精度分析方法 |
WO2021077449A1 (zh) * | 2019-10-24 | 2021-04-29 | 东北大学 | 复合材料减震降噪抗冲击性能一体化测试仪及测试方法 |
CN110968918B (zh) * | 2019-11-25 | 2024-04-12 | 长安大学 | 一种考虑基节误差自由修形螺旋齿轮承载接触分析方法 |
-
2021
- 2021-03-17 CN CN202110285404.XA patent/CN113074890B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113074890A (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Veuve et al. | Active control for mid-span connection of a deployable tensegrity footbridge | |
Scharton | Force limited vibration testing monograph | |
Hauge et al. | Sensors and control of a space-based six-axis vibration isolation system | |
Zhang et al. | Prismatic tensegrity structures with additional cables: Integral symmetric states of self-stress and cable-controlled reconfiguration procedure | |
Chamberlain et al. | Structural analysis methods for the roll-out solar array flight experiment | |
Cheng et al. | The multi-body system modelling of the Gough–Stewart platform for vibration control | |
Yang et al. | Modeling and micro-vibration control of flexible cable for disturbance-free payload spacecraft | |
Yang et al. | Control‐oriented modeling and deployment of tensegrity–membrane systems | |
Keas et al. | SOFIA telescope modal survey test and test-model correlation | |
Xia et al. | A dynamic disturbance force measurement system based on array sensor for large moving device in spacecrafts | |
CN113074890B (zh) | 大型空间可展开桁架结构关节铰链连接刚度在轨辨识方法 | |
Hilkert et al. | Structural effects and techniques in precision pointing and tracking systems: a tutorial overview | |
CN107246862B (zh) | 一种重质星载可展开天线地面试验重力平衡方法 | |
Stabile et al. | Numerical and experimental validation of the breadboard model of a novel hexapod platform for high-performance micro-vibration mitigation | |
Bagheri Ghaleh et al. | On the coupled dynamics of small spacecraft and elastic deployable appendages | |
Sharqi et al. | Ground vibration testing on very flexible aircraft | |
Parsons et al. | Geometric nonlinearities for tuning and control of the dynamic response of flexible structures | |
Lambert et al. | An aerostat positioning system with cable control | |
Pinson | Recent advances in structural dynamics of large space structures | |
Li et al. | Vibration control for the solar panels of spacecraft: Innovation methods and potential approaches | |
Döngi et al. | Active structural subsystem of the OISI interferometry testbed | |
Tagliani | Design and Validation of a Flexible Spacecraft Model for Attitude Control Applications. | |
CN112347538B (zh) | 一种在轨建造的地面验证方法及系统 | |
Cohan | Integrated modeling and design of lightweight, active mirrors for launch survival and on-orbit performance | |
Bourgault | Model uncertainty and performance analysis for precision controlled space structures |
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 |