CN113297707A - 基于联合仿真的谐振陀螺优化方法和系统 - Google Patents

基于联合仿真的谐振陀螺优化方法和系统 Download PDF

Info

Publication number
CN113297707A
CN113297707A CN202110687420.1A CN202110687420A CN113297707A CN 113297707 A CN113297707 A CN 113297707A CN 202110687420 A CN202110687420 A CN 202110687420A CN 113297707 A CN113297707 A CN 113297707A
Authority
CN
China
Prior art keywords
gyroscope
matlab
optimization
comsol
algorithm
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
Application number
CN202110687420.1A
Other languages
English (en)
Other versions
CN113297707B (zh
Inventor
张卫平
谷留涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN202110687420.1A priority Critical patent/CN113297707B/zh
Publication of CN113297707A publication Critical patent/CN113297707A/zh
Application granted granted Critical
Publication of CN113297707B publication Critical patent/CN113297707B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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]
    • 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
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Medical Informatics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Multimedia (AREA)
  • Complex Calculations (AREA)
  • Gyroscopes (AREA)

Abstract

本发明提供了一种基于联合仿真的谐振陀螺优化方法和系统，包括：步骤1：利用MATLAB编写用于谐振陀螺特征模态识别的图像识别算法和用于谐振陀螺结构参数优化的优化算法；步骤2：利用COMSOL建立谐振陀螺参数化计算模型，输出有限元计算结果；步骤3：利用MATLAB和COMSOL的数据接口，建立相互传递数据的渠道，实现MATLAB对COMSOL有限元模型的调用，并通过图像识别算法和优化算法实现对谐振陀螺结构参数优化。本发明实现了谐振陀螺有限元仿真中特征模态形状的自动识别，实现了谐振陀螺结构多参数的同步快速优化，可有效提高谐振陀螺设计的准确性，提升谐振陀螺的设计效率。

Description

基于联合仿真的谐振陀螺优化方法和系统
技术领域
本发明涉及仿真模型参量优化技术领域，具体地，涉及一种基于联合仿真的谐振陀螺优化方法和系统。尤其地，涉及一种基于MATLAB和COMSOL联合仿真的谐振陀螺优化方法。
背景技术
陀螺仪是一种能够敏感载体角度或角速度的惯性器件，在姿态控制和导航定位等领域有着非常重要的作用。随着国防科技和航空、航天工业的发展，惯性导航系统对于陀螺仪的要求也向低成本、小体积、高精度、多轴检测、高可靠性、能适应各种恶劣环境的方向发展。陀螺谐振子的结构特性会直接影响陀螺仪的性能指标，高精度的谐振陀螺仪需要较高的品质因子和较高的灵敏度。
目前为止，针对谐振陀螺的设计方法主要以优化谐振陀螺结构和选用高性能材料为主。但优化设计过程多采用有限元软件ANSYS、COMSOL等参数化扫描方式来获得局部最优解，或使用MATLAB模拟有限元计算过程以获得谐振陀螺的最佳几何参数。ANSYS、COMSOL、ABUQUS等软件在谐振陀螺有限元仿真和多物理场耦合仿真等方面有着得天独厚的优势，具有计算能力强、计算速度快、结果准确等优势，但存在优化能力弱、变量单一、模态形状无法自动识别需人工干预等缺点。MATLAB有着强大的数据分析、数值计算能力，可以实现较为复杂的图像识别算法和优化算法，但是在有限元计算方面效果较差。因此基于MATLAB和COMSOL平台，发展一种COMSOL谐振陀螺结构参量优化算法，对解决谐振陀螺传感器结构设计中的多参量优化问题和模态调节问题具有重要意义。
专利文献CN102968540B(申请号：CN201210509740.9)公开了一种压电振动陀螺激励电极的优化设计方法，该方法包括：(1)建立压电振动陀螺的有限元模型，并根据实际情况配置各部分材料、结构等参数；(2)应用模态分析得出谐振子的固有频率和相关振型，并在此基础上向压电电极施加正弦激励电压进行谐响应分析；(3)通过步骤(2)的分析结果推导出激励电极各参数对谐振子的影响规律；(4)综合多方面考虑，选取最优设计参数。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于联合仿真的谐振陀螺优化方法和系统。
根据本发明提供的基于联合仿真的谐振陀螺优化方法，包括：
步骤1：利用MATLAB编写用于谐振陀螺特征模态识别的图像识别算法和用于谐振陀螺结构参数优化的优化算法；
步骤2：利用COMSOL建立谐振陀螺参数化计算模型，输出有限元计算结果；
步骤3：利用MATLAB和COMSOL的数据接口，建立相互传递数据的渠道，实现MATLAB对COMSOL有限元模型的调用，并通过图像识别算法和优化算法实现对谐振陀螺结构参数优化；
所述图像识别算法通过提取图像特征包括颜色特征、纹理特征、形状特征以及局部特征点对图像进行分析和识别，从而获得图像中的模态信息；
所述优化算法包括粒子群算法、遗传算法和布谷鸟算法，在给定约束的微陀螺结构参数的情况下，使得陀螺的性能指标达到最优。
优选的，所述步骤1包括：
步骤1.1：在MATLAB中建立图像识别算法，从预设训练集和测试集中提取特征，利用分类器训练得到分类模板，并通过该分类模板进行谐振陀螺仿真特征模态的识别；
步骤1.2：在MATLAB中建立优化算法来优化谐振陀螺结构参数；
步骤1.3：在MATLAB中计算适应度函数；
所述适应度函数包括特征频率大小、品质因子大小和频差大小，根据适应度函数获取当前的结构参数是否满足陀螺的性能需求。
优选的，所述步骤2包括：
步骤2.1：在COMSOL中建立谐振陀螺的结构模型，包括陀螺结构的几何参数和变量；
其中：半球谐振陀螺包括球壳厚度、球壳半径、支撑柱长度和支撑柱半径；环形谐振陀螺包括环宽、辐条长度、环数和环厚；质量块陀螺仪包括质量块大小、折叠梁大小和厚度；
步骤2.2：在COMSOL中建立谐振陀螺的有限元模型，计算谐振陀螺的特征频率、品质因子和频差。
优选的，通过COMSOL软件中的特征频率计算谐振陀螺的特征频率freq，从而计算得到微陀螺的品质因子Q，公式为：
Figure BDA0003125107750000031
其中，abs(freq)是特征频率的绝对值，imag(freq)指的是特征频率的虚部；
频差Δf的计算公式为：
Δf＝fsense-fdrive
其中：fsense是检测模态频率，fdrive是驱动模态频率。
优选的，所述步骤3包括：
步骤3.1：利用接口将MATLAB中的结构优化参数数据传递给COMSOL；
步骤3.2：COMSOL根据结构优化参数数据重建谐振陀螺有限元模型，进行有限元分析，并将计算结果通过接口传递给MATLAB；
步骤3.3：在MATLAB中利用图像识别算法在多个特征模态数据中识别谐振陀螺工作模态，保存工作模态的有限元计算数据；
步骤3.4：在MATLAB中利用优化算法计算优化变量并传递给COMSOL，以进行下一次建模。
根据本发明提供的基于联合仿真的谐振陀螺优化系统，包括：
模块M1：利用MATLAB编写用于谐振陀螺特征模态识别的图像识别算法和用于谐振陀螺结构参数优化的优化算法；
模块M2：利用COMSOL建立谐振陀螺参数化计算模型，输出有限元计算结果；
模块M3：利用MATLAB和COMSOL的数据接口，建立相互传递数据的渠道，实现MATLAB对COMSOL有限元模型的调用，并通过图像识别算法和优化算法实现对谐振陀螺结构参数优化；
所述图像识别算法通过提取图像特征包括颜色特征、纹理特征、形状特征以及局部特征点对图像进行分析和识别，从而获得图像中的模态信息；
所述优化算法包括粒子群算法、遗传算法和布谷鸟算法，在给定约束的微陀螺结构参数的情况下，使得陀螺的性能指标达到最优。
优选的，所述模块M1包括：
模块M1.1：在MATLAB中建立图像识别算法，从预设训练集和测试集中提取特征，利用分类器训练得到分类模板，并通过该分类模板进行谐振陀螺仿真特征模态的识别；
模块M1.2：在MATLAB中建立优化算法来优化谐振陀螺结构参数；
模块M1.3：在MATLAB中计算适应度函数；
所述适应度函数包括特征频率大小、品质因子大小和频差大小，根据适应度函数获取当前的结构参数是否满足陀螺的性能需求。
优选的，所述模块M2包括：
模块M2.1：在COMSOL中建立谐振陀螺的结构模型，包括陀螺结构的几何参数和变量；
其中：半球谐振陀螺包括球壳厚度、球壳半径、支撑柱长度和支撑柱半径；环形谐振陀螺包括环宽、辐条长度、环数和环厚；质量块陀螺仪包括质量块大小、折叠梁大小和厚度；
模块M2.2：在COMSOL中建立谐振陀螺的有限元模型，计算谐振陀螺的特征频率、品质因子和频差。
优选的，通过COMSOL软件中的特征频率计算谐振陀螺的特征频率freq，从而计算得到微陀螺的品质因子Q，公式为：
Figure BDA0003125107750000041
其中，abs(freq)是特征频率的绝对值，imag(freq)指的是特征频率的虚部；
频差Δf的计算公式为：
Δf＝fsense-fdrive
其中：fsense是检测模态频率，fdrive是驱动模态频率。
优选的，所述模块M3包括：
模块M3.1：利用接口将MATLAB中的结构优化参数数据传递给COMSOL；
模块M3.2：COMSOL根据结构优化参数数据重建谐振陀螺有限元模型，进行有限元分析，并将计算结果通过接口传递给MATLAB；
模块M3.3：在MATLAB中利用图像识别算法在多个特征模态数据中识别谐振陀螺工作模态，保存工作模态的有限元计算数据；
模块M3.4：在MATLAB中利用优化算法计算优化变量并传递给COMSOL，以进行下一次建模。
与现有技术相比，本发明具有如下的有益效果：
(1)本发明通过图象识别算法，实现了谐振陀螺仿真特征模态的自动识别，提高了仿真效率和精确度；
(2)本发明将优化算法用于谐振陀螺结构的优化设计，实现了传感器结构多参量的整体快速优化；
(3)本发明通过MATLAB与COMSOL的数据互通，突破了COMSOL单一赋值优化运算的局限。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为基于MATLAB和COMSOL联合仿真的谐振陀螺优化设计方法的流程图；
图2为MATLAB和COMSOL数据传递的流程图；
图3为MATLAB基于支持向量机的图像识别算法流程图；
图4为MATLAB遗传算法流程图；
图5为采用支持向量机的图像识别算法和遗传算法的MATLAB和COMSOL联合仿真流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例1：
根据本发明提供的基于联合仿真的谐振陀螺优化方法，包括：步骤1：利用MATLAB编写用于谐振陀螺特征模态识别的图像识别算法和用于谐振陀螺结构参数优化的优化算法；步骤2：利用COMSOL建立谐振陀螺参数化计算模型，输出有限元计算结果；步骤3：利用MATLAB和COMSOL的数据接口，建立相互传递数据的渠道，实现MATLAB对COMSOL有限元模型的调用，并通过图像识别算法和优化算法实现对谐振陀螺结构参数优化；所述图像识别算法通过提取图像特征包括颜色特征、纹理特征、形状特征以及局部特征点对图像进行分析和识别，从而获得图像中的模态信息；所述优化算法包括粒子群算法、遗传算法和布谷鸟算法，在给定约束的微陀螺结构参数的情况下，使得陀螺的性能指标达到最优。
所述步骤1包括：步骤1.1：在MATLAB中建立图像识别算法，从预设训练集和测试集中提取特征，利用分类器训练得到分类模板，并通过该分类模板进行谐振陀螺仿真特征模态的识别；步骤1.2：在MATLAB中建立优化算法来优化谐振陀螺结构参数；步骤1.3：在MATLAB中计算适应度函数；所述适应度函数包括特征频率大小、品质因子大小和频差大小，根据适应度函数获取当前的结构参数是否满足陀螺的性能需求。
所述步骤2包括：步骤2.1：在COMSOL中建立谐振陀螺的结构模型，包括陀螺结构的几何参数和变量；其中：半球谐振陀螺包括球壳厚度、球壳半径、支撑柱长度和支撑柱半径；环形谐振陀螺包括环宽、辐条长度、环数和环厚；质量块陀螺仪包括质量块大小、折叠梁大小和厚度；步骤2.2：在COMSOL中建立谐振陀螺的有限元模型，计算谐振陀螺的特征频率、品质因子和频差。
通过COMSOL软件中的特征频率计算谐振陀螺的特征频率freq，从而计算得到微陀螺的品质因子Q，公式为：
Figure BDA0003125107750000061
其中，abs(freq)是特征频率的绝对值，imag(freq)指的是特征频率的虚部；
频差Δf的计算公式为：
Δf＝fsense-fdrive
其中：fsense是检测模态频率，fdrive是驱动模态频率。
所述步骤3包括：步骤3.1：利用接口将MATLAB中的结构优化参数数据传递给COMSOL；步骤3.2：COMSOL根据结构优化参数数据重建谐振陀螺有限元模型，进行有限元分析，并将计算结果通过接口传递给MATLAB；步骤3.3：在MATLAB中利用图像识别算法在多个特征模态数据中识别谐振陀螺工作模态，保存工作模态的有限元计算数据；步骤3.4：在MATLAB中利用优化算法计算优化变量并传递给COMSOL，以进行下一次建模。
根据本发明提供的基于联合仿真的谐振陀螺优化系统，包括：模块M1：利用MATLAB编写用于谐振陀螺特征模态识别的图像识别算法和用于谐振陀螺结构参数优化的优化算法；模块M2：利用COMSOL建立谐振陀螺参数化计算模型，输出有限元计算结果；模块M3：利用MATLAB和COMSOL的数据接口，建立相互传递数据的渠道，实现MATLAB对COMSOL有限元模型的调用，并通过图像识别算法和优化算法实现对谐振陀螺结构参数优化；所述图像识别算法通过提取图像特征包括颜色特征、纹理特征、形状特征以及局部特征点对图像进行分析和识别，从而获得图像中的模态信息；所述优化算法包括粒子群算法、遗传算法和布谷鸟算法，在给定约束的微陀螺结构参数的情况下，使得陀螺的性能指标达到最优。
所述模块M1包括：模块M1.1：在MATLAB中建立图像识别算法，从预设训练集和测试集中提取特征，利用分类器训练得到分类模板，并通过该分类模板进行谐振陀螺仿真特征模态的识别；模块M1.2：在MATLAB中建立优化算法来优化谐振陀螺结构参数；模块M1.3：在MATLAB中计算适应度函数；所述适应度函数包括特征频率大小、品质因子大小和频差大小，根据适应度函数获取当前的结构参数是否满足陀螺的性能需求。
所述模块M2包括：模块M2.1：在COMSOL中建立谐振陀螺的结构模型，包括陀螺结构的几何参数和变量；其中：半球谐振陀螺包括球壳厚度、球壳半径、支撑柱长度和支撑柱半径；环形谐振陀螺包括环宽、辐条长度、环数和环厚；质量块陀螺仪包括质量块大小、折叠梁大小和厚度；模块M2.2：在COMSOL中建立谐振陀螺的有限元模型，计算谐振陀螺的特征频率、品质因子和频差。
通过COMSOL软件中的特征频率计算谐振陀螺的特征频率freq，从而计算得到微陀螺的品质因子Q，公式为：
Figure BDA0003125107750000071
其中，abs(freq)是特征频率的绝对值，imag(freq)指的是特征频率的虚部；
频差Δf的计算公式为：
Δf＝fsense-fdrive
其中：fsense是检测模态频率，fdrive是驱动模态频率。
所述模块M3包括：模块M3.1：利用接口将MATLAB中的结构优化参数数据传递给COMSOL；模块M3.2：COMSOL根据结构优化参数数据重建谐振陀螺有限元模型，进行有限元分析，并将计算结果通过接口传递给MATLAB；模块M3.3：在MATLAB中利用图像识别算法在多个特征模态数据中识别谐振陀螺工作模态，保存工作模态的有限元计算数据；模块M3.4：在MATLAB中利用优化算法计算优化变量并传递给COMSOL，以进行下一次建模。
实施例2：
实施例2为实施例1的优选例。
参考图1，本发明涉及的一种基于MATLAB和COMSOL联合仿真的谐振陀螺优化设计方法，包括MATLAB图像识别算法和优化算法与COMSOL有限元计算两个部分。
参考图2，COMSOLWith MATLAB是实现MTALAB和COMSOL之间数据传递的桥梁，MATLAB利用优化算法根据计算的适应度值生成m个优化变量，m的大小由谐振陀螺结构参数变量数决定。将优化变量传递给COMSOL，COMSOL根据优化变量重新构建有限元模型，计算得到n个特征模态的品质因子、频差、特征频率等，n的大小是由谐振陀螺工作模态决定的。MATLAB利用图像识别算法对COMSOL计算得到的多个特征模态数据进行处理和识别，得到工作模态的计算数据，优化算法将根据得到的计算数据计算个体适应度。
本发明中MATLAB中可采用多种图像识别算法。参考图3，采用支持向量机的图像识别算法的具体步骤如下：
(1)在COMSOL中利用初始参数，得到用于图像识别的模态图片训练集和测试集；
(2)MATLAB中对图片进行预处理，包括灰度化、阈值化、调整大小等；
(3)MATLAB中调用graycomatrix()函数提取图片的0、45、90、135度方向的灰度共生矩阵，对灰度共生矩阵进行归一化处理(计算对比度、逆差距、熵、自相关)，然后取平均值和方差作为最终提取的特征向量；
(4)MATLAB中调用extractHOGFeatures()函数提取图片的方向梯度直方图，获得相应的特征向量；
(5)取上述步骤获得的两个特征向量的长度之和作为图片特征提取后的总长度，并将灰度共生矩阵特征和方向梯度直方图特征合并成一个向量作为一张特征模态图片的特征向量，并将其模态标签与特征向量相对应。
(6)在MATLAB中通过fitcecoc()函数调用前面得到的训练和测试用的特征向量与对应的标签，得到分类器，在后续的模态识别中直接使用predict()函数调用该分类器即可完成对谐振陀螺各特征模态的识别。
本发明中MATLAB中可采用多种优化算法。参考图4，采用遗传算法的具体步骤如下：
(1)初始化遗传参数：种群大小non_pop，最大迭代次数num_iteration，杂交率cross，选择率select，变异率mutation，目标适应度值cost_goal；
(2)初始化种群，计算种群中每个个体的适应度cost；
(3)若迭代次数generation<num_iteration，执行步骤(4)，否则算法结束，返回最优解；
(4)若种群个体最佳适应度best_cost>cost_goal，算法结束，返回最优解，否则执行步骤(5)；
(5)对种群中的个体进行选择、交叉、变异等操作产生新的种群，并计算新的种群中每个个体的适应度，迭代次数generation＝generation+1，执行步骤(3)。
参考图5，基于支持向量机的图像识别算法与遗传算法的MATLAB和COMSOL联合仿真的谐振陀螺优化设计方法，主要步骤包括：
(1)MATLAB中初始化遗传参数：种群大小non_pop，最大迭代次数num_iteration，杂交率cross，选择率select，变异率mutation，目标适应度值cost_goal，根据遗传参数产生初始化种群，并将初始化种群数据通过COMSOL WITH MATLAB接口传递给COMSOL；
(2)COMSOL根据MATLAB传递的数据建立谐振陀螺的有限元模型，获得具有多个特征模态的计算数据，包括模态特征频率、模态品质因子、模态频差等，并将这些计算数据通过COMSOLWITH MATLAB接口传递给MATLAB；
(3)MATLAB中利用支持向量机的图像识别算法在COMSOL所传递数据的特征模态图像中识别出谐振陀螺工作模态，获得所需工作模态的计算数据；
(4)MATLAB优化算法根据步骤(3)所获得数据计算种群个体的适应度，如果迭代次数达到最大迭代次数或个体适应度达到收敛条件，则进行步骤(5)，否则退出算法，输出最优解；
(5)对种群中的个体进行选择、交叉、变异等操作产生新的种群，并计算新的种群中每个个体的适应度，迭代次数generation＝generation+1，跳转到步骤(2)。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种基于联合仿真的谐振陀螺优化方法，其特征在于，包括：
步骤1：利用MATLAB编写用于谐振陀螺特征模态识别的图像识别算法和用于谐振陀螺结构参数优化的优化算法；
步骤2：利用COMSOL建立谐振陀螺参数化计算模型，输出有限元计算结果；
步骤3：利用MATLAB和COMSOL的数据接口，建立相互传递数据的渠道，实现MATLAB对COMSOL有限元模型的调用，并通过图像识别算法和优化算法实现对谐振陀螺结构参数优化；
所述图像识别算法通过提取图像特征包括颜色特征、纹理特征、形状特征以及局部特征点对图像进行分析和识别，从而获得图像中的模态信息；
所述优化算法包括粒子群算法、遗传算法和布谷鸟算法，在给定约束的微陀螺结构参数的情况下，使得陀螺的性能指标达到最优。
2.根据权利要求1所述的基于联合仿真的谐振陀螺优化方法，其特征在于，所述步骤1包括：
步骤1.1：在MATLAB中建立图像识别算法，从预设训练集和测试集中提取特征，利用分类器训练得到分类模板，并通过该分类模板进行谐振陀螺仿真特征模态的识别；
步骤1.2：在MATLAB中建立优化算法来优化谐振陀螺结构参数；
步骤1.3：在MATLAB中计算适应度函数；
所述适应度函数包括特征频率大小、品质因子大小和频差大小，根据适应度函数获取当前的结构参数是否满足陀螺的性能需求。
3.根据权利要求1所述的基于联合仿真的谐振陀螺优化方法，其特征在于，所述步骤2包括：
步骤2.1：在COMSOL中建立谐振陀螺的结构模型，包括陀螺结构的几何参数和变量；
其中：半球谐振陀螺包括球壳厚度、球壳半径、支撑柱长度和支撑柱半径；环形谐振陀螺包括环宽、辐条长度、环数和环厚；质量块陀螺仪包括质量块大小、折叠梁大小和厚度；
步骤2.2：在COMSOL中建立谐振陀螺的有限元模型，计算谐振陀螺的特征频率、品质因子和频差。
4.根据权利要求3所述的基于联合仿真的谐振陀螺优化方法，其特征在于，通过COMSOL软件中的特征频率计算谐振陀螺的特征频率freq，从而计算得到微陀螺的品质因子Q，公式为：
Figure FDA0003125107740000021
其中，abs(freq)是特征频率的绝对值，imag(freq)指的是特征频率的虚部；
频差Δf的计算公式为：
Δf＝fsense-fdrive
其中：fsense是检测模态频率，fdrive是驱动模态频率。
5.根据权利要求1所述的基于联合仿真的谐振陀螺优化方法，其特征在于，所述步骤3包括：
步骤3.1：利用接口将MATLAB中的结构优化参数数据传递给COMSOL；
步骤3.2：COMSOL根据结构优化参数数据重建谐振陀螺有限元模型，进行有限元分析，并将计算结果通过接口传递给MATLAB；
步骤3.3：在MATLAB中利用图像识别算法在多个特征模态数据中识别谐振陀螺工作模态，保存工作模态的有限元计算数据；
步骤3.4：在MATLAB中利用优化算法计算优化变量并传递给COMSOL，以进行下一次建模。
6.一种基于联合仿真的谐振陀螺优化系统，其特征在于，包括：
模块M1：利用MATLAB编写用于谐振陀螺特征模态识别的图像识别算法和用于谐振陀螺结构参数优化的优化算法；
模块M2：利用COMSOL建立谐振陀螺参数化计算模型，输出有限元计算结果；
模块M3：利用MATLAB和COMSOL的数据接口，建立相互传递数据的渠道，实现MATLAB对COMSOL有限元模型的调用，并通过图像识别算法和优化算法实现对谐振陀螺结构参数优化；
所述图像识别算法通过提取图像特征包括颜色特征、纹理特征、形状特征以及局部特征点对图像进行分析和识别，从而获得图像中的模态信息；
所述优化算法包括粒子群算法、遗传算法和布谷鸟算法，在给定约束的微陀螺结构参数的情况下，使得陀螺的性能指标达到最优。
7.根据权利要求6所述的基于联合仿真的谐振陀螺优化系统，其特征在于，所述模块M1包括：
模块M1.1：在MATLAB中建立图像识别算法，从预设训练集和测试集中提取特征，利用分类器训练得到分类模板，并通过该分类模板进行谐振陀螺仿真特征模态的识别；
模块M1.2：在MATLAB中建立优化算法来优化谐振陀螺结构参数；
模块M1.3：在MATLAB中计算适应度函数；
所述适应度函数包括特征频率大小、品质因子大小和频差大小，根据适应度函数获取当前的结构参数是否满足陀螺的性能需求。
8.根据权利要求6所述的基于联合仿真的谐振陀螺优化系统，其特征在于，所述模块M2包括：
模块M2.1：在COMSOL中建立谐振陀螺的结构模型，包括陀螺结构的几何参数和变量；
其中：半球谐振陀螺包括球壳厚度、球壳半径、支撑柱长度和支撑柱半径；环形谐振陀螺包括环宽、辐条长度、环数和环厚；质量块陀螺仪包括质量块大小、折叠梁大小和厚度；
模块M2.2：在COMSOL中建立谐振陀螺的有限元模型，计算谐振陀螺的特征频率、品质因子和频差。
9.根据权利要求8所述的基于联合仿真的谐振陀螺优化系统，其特征在于，通过COMSOL软件中的特征频率计算谐振陀螺的特征频率freq，从而计算得到微陀螺的品质因子Q，公式为：
Figure FDA0003125107740000031
其中，abs(freq)是特征频率的绝对值，imag(freq)指的是特征频率的虚部；
频差Δf的计算公式为：
Δf＝fsense-fdrive
其中：fsense是检测模态频率，fdrive是驱动模态频率。
10.根据权利要求6所述的基于联合仿真的谐振陀螺优化系统，其特征在于，所述模块M3包括：
模块M3.1：利用接口将MATLAB中的结构优化参数数据传递给COMSOL；
模块M3.2：COMSOL根据结构优化参数数据重建谐振陀螺有限元模型，进行有限元分析，并将计算结果通过接口传递给MATLAB；
模块M3.3：在MATLAB中利用图像识别算法在多个特征模态数据中识别谐振陀螺工作模态，保存工作模态的有限元计算数据；
模块M3.4：在MATLAB中利用优化算法计算优化变量并传递给COMSOL，以进行下一次建模。
CN202110687420.1A 2021-06-21 2021-06-21 基于联合仿真的谐振陀螺优化方法和系统 Active CN113297707B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110687420.1A CN113297707B (zh) 2021-06-21 2021-06-21 基于联合仿真的谐振陀螺优化方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110687420.1A CN113297707B (zh) 2021-06-21 2021-06-21 基于联合仿真的谐振陀螺优化方法和系统

Publications (2)

Publication Number Publication Date
CN113297707A true CN113297707A (zh) 2021-08-24
CN113297707B CN113297707B (zh) 2023-09-05

Family

ID=77328981

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110687420.1A Active CN113297707B (zh) 2021-06-21 2021-06-21 基于联合仿真的谐振陀螺优化方法和系统

Country Status (1)

Country Link
CN (1) CN113297707B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115628758A (zh) * 2022-12-21 2023-01-20 四川图林科技有限责任公司 多物理场耦合条件下关键工艺参数的检测与修正方法
CN117608326A (zh) * 2024-01-19 2024-02-27 四川图林科技有限责任公司 一种半球谐振陀螺的半球谐振子振动幅值控制系统及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090064781A1 (en) * 2007-07-13 2009-03-12 Farrokh Ayazi Readout method and electronic bandwidth control for a silicon in-plane tuning fork gyroscope
CN102968540A (zh) * 2012-12-04 2013-03-13 北京信息科技大学 一种压电振动陀螺激励电极的优化设计方法
CN104897144A (zh) * 2015-05-29 2015-09-09 上海交通大学 多驱动电极模态耦合微固体模态陀螺
WO2016206152A1 (zh) * 2015-06-26 2016-12-29 清华大学 一种单锚定点四质量块mems谐振式陀螺仪
CN108613686A (zh) * 2018-04-28 2018-10-02 中南大学 一种振动陀螺自动化修调方法
CN109918829A (zh) * 2019-03-19 2019-06-21 上海交通大学 一种针对结构的轴向模态识别方法
CN111695292A (zh) * 2020-05-15 2020-09-22 东南大学 基于matlab和comsol联合仿真的超导磁储能磁体优化设计方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090064781A1 (en) * 2007-07-13 2009-03-12 Farrokh Ayazi Readout method and electronic bandwidth control for a silicon in-plane tuning fork gyroscope
CN102968540A (zh) * 2012-12-04 2013-03-13 北京信息科技大学 一种压电振动陀螺激励电极的优化设计方法
CN104897144A (zh) * 2015-05-29 2015-09-09 上海交通大学 多驱动电极模态耦合微固体模态陀螺
WO2016206152A1 (zh) * 2015-06-26 2016-12-29 清华大学 一种单锚定点四质量块mems谐振式陀螺仪
CN108613686A (zh) * 2018-04-28 2018-10-02 中南大学 一种振动陀螺自动化修调方法
CN109918829A (zh) * 2019-03-19 2019-06-21 上海交通大学 一种针对结构的轴向模态识别方法
CN111695292A (zh) * 2020-05-15 2020-09-22 东南大学 基于matlab和comsol联合仿真的超导磁储能磁体优化设计方法

Non-Patent Citations (14)

* Cited by examiner, † Cited by third party
Title
A.SADHU等: "A review of output-only structural mode identification literature employing blind source separation methods", 《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》 *
A.SADHU等: "A review of output-only structural mode identification literature employing blind source separation methods", 《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》, vol. 94, 17 March 2017 (2017-03-17), pages 415 - 431, XP029964461, DOI: 10.1016/j.ymssp.2017.03.001 *
JUN FENG等: "Design of a novel gear-like disk resonator gyroscope with high mechanical sensitivity", 《MICROSYSTEM TECHNOLOGIES》 *
JUN FENG等: "Design of a novel gear-like disk resonator gyroscope with high mechanical sensitivity", 《MICROSYSTEM TECHNOLOGIES》, vol. 27, no. 07, 3 October 2020 (2020-10-03), pages 2715 - 2722, XP037477073, DOI: 10.1007/s00542-020-05047-6 *
SOLOUK, MOHAMMAD REZA等: "Parametric topology optimization of a MEMS gyroscope for automotive applications", 《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》 *
SOLOUK, MOHAMMAD REZA等: "Parametric topology optimization of a MEMS gyroscope for automotive applications", 《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》, vol. 128, 15 April 2019 (2019-04-15), pages 389 - 404, XP085690249, DOI: 10.1016/j.ymssp.2019.03.049 *
向磊等: "盘形谐振陀螺的机械灵敏度仿真优化", 《压电与声光》 *
向磊等: "盘形谐振陀螺的机械灵敏度仿真优化", 《压电与声光》, vol. 39, no. 04, 31 August 2017 (2017-08-31), pages 582 - 585 *
周建慧等: "基于有限元方法的陀螺框架装夹变形分析", 《新技术新工艺》 *
周建慧等: "基于有限元方法的陀螺框架装夹变形分析", 《新技术新工艺》, no. 05, 31 May 2011 (2011-05-31), pages 48 - 51 *
姜丹丹等: "结构模态振型的径向切比雪夫矩函数描述研究", 《振动工程学报》 *
姜丹丹等: "结构模态振型的径向切比雪夫矩函数描述研究", 《振动工程学报》, vol. 28, no. 05, 31 October 2015 (2015-10-31), pages 0 - 3 *
胡倩: "嵌套环式微陀螺机械灵敏度与抗冲击性能分析与综合优化", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 *
胡倩: "嵌套环式微陀螺机械灵敏度与抗冲击性能分析与综合优化", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》, no. 01, 15 January 2021 (2021-01-15) *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115628758A (zh) * 2022-12-21 2023-01-20 四川图林科技有限责任公司 多物理场耦合条件下关键工艺参数的检测与修正方法
CN115628758B (zh) * 2022-12-21 2023-03-31 四川图林科技有限责任公司 多物理场耦合条件下关键工艺参数的检测与修正方法
CN117608326A (zh) * 2024-01-19 2024-02-27 四川图林科技有限责任公司 一种半球谐振陀螺的半球谐振子振动幅值控制系统及方法
CN117608326B (zh) * 2024-01-19 2024-03-29 四川图林科技有限责任公司 一种半球谐振陀螺的半球谐振子振动幅值控制系统及方法

Also Published As

Publication number Publication date
CN113297707B (zh) 2023-09-05

Similar Documents

Publication Publication Date Title
Georgiou et al. Learning fluid flows
EP3398034B1 (en) Electrical device for hand gestures detection
Geiger et al. Representation and self-similarity of shapes
CN113297707B (zh) 基于联合仿真的谐振陀螺优化方法和系统
CN107688665B (zh) 一种室内地图自动构建方法、装置及存储介质
WO2013095727A1 (en) Face feature vector construction
US11568202B2 (en) Method and apparatus for determining goodness of fit related to microphone placement
WO2005103995A1 (ja) 旋回流評価装置及び旋回流の評価方法
Yesilli et al. Topological feature vectors for chatter detection in turning processes
Dickinson et al. Integrating qualitative and quantitative shape recovery
CN111006808A (zh) 基于柔性阵列式触觉传感器的三维力解耦方法
Jeon et al. Target capacity filter pruning method for optimized inference time based on YOLOv5 in embedded systems
Han et al. Novel methods for noisy 3D point cloud based object recognition
Palossi et al. Gpu-shot: Parallel optimization for real-time 3d local description
CN106055244B (zh) 一种基于Kinect和语音的人机交互方法
Silva Recent enhancements to the development of CFD-based aeroelastic reduced-order models
CN114972737B (zh) 基于原型对比学习的遥感图像目标检测系统及方法
Vergeest et al. Fitting freeform shape patterns to scanned 3D objects
CN111260074A (zh) 一种超参数确定的方法、相关装置、设备及存储介质
CN114674328B (zh) 地图生成方法、装置、电子设备、存储介质、及车辆
Chen et al. A PSO-based subtractive clustering technique for designing RBF neural networks
Arhore et al. Optimisation of convolutional neural network architecture using genetic algorithm for the prediction of adhesively bonded joint strength
CN114722656A (zh) 谐振陀螺结构设计方法及系统
CN113609999B (zh) 基于姿态识别的人体模型建立方法
CN115438575A (zh) 一种用于高精度翼型流场预测的分析方法

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