CN113722993B - 一种面向组装稳定的模块化空间结构多约束序列规划方法 - Google Patents

一种面向组装稳定的模块化空间结构多约束序列规划方法 Download PDF

Info

Publication number
CN113722993B
CN113722993B CN202110994017.3A CN202110994017A CN113722993B CN 113722993 B CN113722993 B CN 113722993B CN 202110994017 A CN202110994017 A CN 202110994017A CN 113722993 B CN113722993 B CN 113722993B
Authority
CN
China
Prior art keywords
assembly
module
matrix
mod
modules
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
Application number
CN202110994017.3A
Other languages
English (en)
Other versions
CN113722993A (zh
Inventor
郭雷
王恩美
乔建忠
王雨
余翔
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.)
Hangzhou Innovation Research Institute of Beihang University
Original Assignee
Hangzhou Innovation Research Institute of Beihang 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 Hangzhou Innovation Research Institute of Beihang University filed Critical Hangzhou Innovation Research Institute of Beihang University
Priority to CN202110994017.3A priority Critical patent/CN113722993B/zh
Publication of CN113722993A publication Critical patent/CN113722993A/zh
Application granted granted Critical
Publication of CN113722993B publication Critical patent/CN113722993B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Manufacturing & Machinery (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种面向组装稳定的模块化空间结构多约束序列规划方法，针对模块化空间结构在几何、能量等多种动态约束下的组装序列规划问题，首先，建立模块的力学模型，根据组装位置进行坐标变换后，组集建立整体结构在轨组装阶段的渐变动力学模型，构建数据库；其次，将优化问题离散阶段化处理，基于结构动力学模型，面向组装稳定进行优化指标转换；再次，利用模块组装位置关系矩阵进行组装阶段的多种约束条件表达；最后，改进蚁群算法，设计组装位置双回路优化流程，完成模块化空间结构的组装序列规划方法，本发明可获得令组装过程中整体结构振动最小的模块组装序列，具有易于工程实现的特点，适用于形式多样的模块化空间结构组装序列规划。

Description

一种面向组装稳定的模块化空间结构多约束序列规划方法
技术领域
本发明涉及智能制造领域，尤其是一种面向组装稳定的模块化空间结构多约束序列规划方法，从组装结构稳定性的角度解决模块化空间结构在几何、能量等多种动态约束下的序列规划问题。
背景技术
在轨组装是通过预定的组装方式、将单次/多次发射入轨的不同种类模块结构按照一定次序进行拼接安装、构建成期望的大型空间结构，其中组装成本、组装效率等都与模块的组装序列息息相关。针对大尺寸星载天线、光学载荷、国际空间站等大型空间结构在轨组装关键技术的研究《在轨组装技术研究现状与发展趋势》指出，组装序列规划技术是未来实现在轨组装亟需解决的关键技术之一。
目前已有学者针对这一关键技术问题开展了研究工作，文献《空间在轨装配任务规划》结合分级规划思想，将改进的蚁群算法用于大型桁架空间结构的协同组装顺序和任务规划问题求解，并用所消耗的时间来评估组装序列。文献《太空望远镜主镜系统在轨装配研究》开展了太空望远镜主镜系统在轨组装序列规划研究，通过设计大小合理的组装模块来提高组装效率，提出模块遵循从内向外逐层组装的原则、并尽可能保证机械臂在每进行下一次组装时移动距离较小的组装方案。文献《基于混合算法的反射面天线面板装配序列规划》结合天线反射面实际工程组装情况，以组装过程中天线反射面的形面误差为评价指标，基于蚁群算法和蚁群算法提出一种天线组装序列规划的混合算法。
上述组装序列规划研究的出发角度和考虑因素主要包括组装效率和组装安全性等，组装阶段整体结构的振动问题还未在组装序列规划领域得到足够的关注。随着模块组装的进行，空间结构整体尺寸越来越大，组装撞击引起结构整体的振动愈发容易，结构振动显然不利于在轨组装任务的高精高效完成。文献《在轨组装空间结构面向主动控制的动力学建模》中大型空间结构在轨组装阶段的动力学分析表明，该阶段空间结构整体的动力学特性变化与模块的组装序列直接相关。若模块以尽可能维持结构稳定的序列进行组装，不仅可利于在轨组装任务的效率、精度与安全性保证，还可降低后续主动振动控制的能量消耗，是非常值得研究的内容。
综上所述，现有方法针对模块化空间结构的组装序列规划问题，对整体结构柔性振动的关注不足，为确保高精高效在轨组装任务的完成，亟需提出面向组装稳定的模块化空间结构序列规划方法。
发明内容
本发明解决的技术问题是：针对模块化空间结构的组装序列规划问题，克服现有技术的不足，提出一种面向组装稳定的模块化空间结构多约束序列规划方法，实现了基于在轨组装阶段整体结构的渐变动力学模型的优化指标、优化变量、约束条件的数学表述，采用一套优化策略可实现多样形式的模块化空间结构组装序列优化，有效降低组装过程中整体结构的振动幅值，切实提高整体结构的稳定，从而利于组装任务的精确性和高效性。
本发明的技术方案为：一种面向组装稳定的模块化空间结构多约束序列规划方法，建立整体结构在轨组装阶段的渐变动力学模型，将优化问题离散阶段化处理，并面向组装稳定进行优化指标转换和约束条件表达，基于改进的蚁群算法设计双回路组装位置序列优化流程，完成模块化空间结构的组装序列规划，具体实现步骤如下：
第一步，获得整体结构在轨组装阶段的渐变动力学模型，构建组装信息库。
基于有限元建模方法，首先将模块进行有限单元划分，通过差值获得有限单元的位移场：
xele＝Nexxnode
其中，xele为有限单元内任一点的位移向量，Nex为位移插值形函数，xnode为单元节点位移向量，基于Hamilton变分公式：
可得到有限单元的动力学方程为：
其中，和/>分别表示系统的动能、势能和外力做功，Mele和Kele分别表示有限单元的质量矩阵和刚度矩阵，fnode表示等效的节点载荷向量，具体表达为：
其中，ρele为单元的结构材料密度，cele为单元结构材料弹性矩阵，Bex为形函数的导数矩阵，qele为作用在单元表面的外力载荷，T为转置，一点表示变量的一阶导数，两点表示变量的二级导数，∫V·dV表示体积分，∫S·dS表示面积分；在对应的节点自由度位置组集有限单元的刚度阵和质量阵，得到模块i的刚度阵Kmod_i和质量阵Mmod_i；
对于不同类别的模块结构，改变上述几何参数(结构尺寸、结构形状等)和材料参数后，同样可利用有限单元法获得其力学模型信息。模块的结构力学模型信息包括刚度阵、质量阵、以及有限单元与节点的对应关系。基于模块力学模型信息，定义模块的可组装方向为可供其他模块物理连接的边界方向，组装接口信息包括在每个组装方向上可供邻接模块共用的有限单元和节点。基于不同类别模块的类型编号、结构参数信息、力学模型信息、以及组装接口信息，建立基础模型库。
然后，针对当前已组装N个模块(N为正整数)的大型空间结构，为了进行整体结构的建模，借鉴多体系统中的连通矩阵定义邻接关系向量Hmod_i，维度为1×qimax，表示空间结构整体中模块i的直接邻接状态：
其中，i,j∈{1,2,…,N}，Hmod_i(q)表示Hmod_i的第q个元素，Hmod_i(q)＝j表示第i个模块的第q个组装方向上与第j个模块相邻，Hmod_i(q)＝0表示第i个模块在第q个方向上没有邻接的模块；q的最大取值取决于模块可组装方向的个数qimax，即q∈{1,2,…,qimax}，qimax为正整数；利用Hmod_i可进一步得到N个已组装模块的位置关系矩阵G，维度为N×N，G是由0、1元素组成的对称方阵，G的第i行第j列G(i,j)＝1表示第i个模块与第j个模块有直接邻接关系，反之G(i,j)＝0；
利用模块基础模型库以及所有已组装模块的位置关系矩阵G，建立当前空间结构整体的动力学模型：从模块1开始，根据Hmod_1和G计算该模块局部坐标系OS11S12S13至全局坐标系OS1S2S3的坐标转换矩阵Tmod_1；调用基础模型库，刚度阵Kmod_1与质量阵Mmod_1经坐标转换矩阵Tmod_1换算后，直接作为空间结构整体的刚度阵K和质量阵M；接下来，根据Hmod_1查阅模块1的邻接模块i、计算坐标转换矩阵Tmod_i、调用基础模型库，将其换算后的Kmod_i与Mmod_i按节点自由度在K和M相应位置直接扩充加载，其中组装接口共用节点位置处的刚度阵和质量阵元素是叠加后得到的；利用邻接关系向量，遍历全部已组装的模块，重复上述按节点自由度加载的步骤，可得到空间结构整体的刚度阵K与质量阵M、单元节点信息等。空间结构整体的动力学模型可由下式表示：
式中左端M(G,Mmod_i)表示空间结构的质量阵M与矩阵G和模块的质量阵Mmod_i相关，K(G,Kmod_i)同理，C为阻尼矩阵，x为所有的节点位移向量；右端W为组装过程中的外力扰动，Bw为外力扰动的加载位置矩阵；根据空间结构包含的模块集合{1,2,…,N}、位置关系矩阵G、以及上式模型信息，建立空间结构整体的组装信息库。
在指定位置组装新模块e后，得到e的邻接关系向量Hmod_e，对其节点重新编号以与结构整体的节点编号连续(借助G、Hmod_e查询邻接模块的对应组装接口，新模块的组装接口与之相同，其余节点按照空间结构整体的现有节点进行顺次编号)。由于已组装的模块集合改变为{1,2,…,N,e}，空间结构整体组装信息库中位置矩阵G也需要相应更新。基于空间结构整体组装信息库中的模型，将e的刚度阵Kmod_e与质量阵Mmod_e按“节点自由度”加载，得到整体结构新的刚度阵K与质量阵M等模型信息后，并更新空间结构整体组装信息库的模型数据，供下一次组装更新使用。以此，建立大型空间结构在轨组装阶段的渐变动力学模型和组装信息库。
第二步，将整个组装序列规划问题进行分解，转化为每次组装操作时模块组装位置的优化问题，基于定常模型从减小结构振动的角度提出优化指标，获得最优组装位置，重复进而得到整个组装序列。
待组装的模块与待组装的位置之间存在一一对应关系，引入所有组装位置可行解集L，则第Z次组装时需要优化的位置变量VarZ表达如下：
VarZ＝[Z1 Z2 … Zm]
其中，Zs为可行解集L的查询指针变量，s∈{1,2,…,m}，m为本次组装的模块个数；
第Z次组装时的优化指标为：
max fZ＝a·ω
其中，ω＝[ω1 ω2 … ωn]T表示本次组装后空间结构整体的前n阶固有频率向量，a＝[a1 a2 … an]是定常权重向量，各元素对应各阶固有频率的考虑权重，a1+a2+…+an＝1；ω可通过下式计算得出：
|K-ω2M|＝0
其中，|·|表示行列式运算，K和M为整体结构的刚度矩阵和质量矩阵。如果考虑结构共振现象的发生，需要避免某些特定频率的出现，可修改优化指标中a的相应元素，以进一步调整对特定频率的考虑权重。结构的第一阶固有频率较高，通常表示结构具有较高的结构刚度，结构振动更不容易被激起或振动幅值较小，实际可根据任务需要进行具体频率阶次选择。
第三步，将组装过程中几何约束、连续组装约束等约束条件进行数学表达。
考虑三点约束以保证优化变量的物理意义：1)保证组装位置的可行性，即组装位置需要根据最终目标结构的设计满足一定的几何约束；2)保证组装位置的不可重复性，即每个模块的组装位置互不重合；3)保证组装操作的连续性与可实现性，即每个模块组装时必须与现有的空间结构整体有物理连接，而且组装操作可实现。其中，组装位置的可行性和不可重复性均可通过所有组装位置的可行解集L来实现，组装的连续性与可实现性约束可通过位置关系矩阵G来实现，则优化变量需要满足的约束表示为：
其中，为需组装的模块总个数，即所有组装位置的个数；Zs和Zi为可行解集L的查询指针，m为本次组装的模块个数；num(G(i,:)＝1)表示模块i的邻接模块数量；/>为组装可行时模块i周边邻接模块的最大数量。
第四步，改进蚁群算法设计双回路优化流程，完成模块化空间结构的组装序列规划。
大型空间结构的组装序列规划问题分解为每次组装操作的最优位置问题，综合优化指标、优化变量和约束条件，逐次求解，则优化问题可表述为：
其中，N为当前组装的模块编号，为需组装的模块总个数，即所有组装位置的个数，二者为正整数；VarZ为第Z次组装时的优化变量，Zs和Zi为可行解集L的查询指针，m为本次组装的模块个数；fZ为优化指标，ω＝[ω1 ω2 … ωn]T表示本次组装后空间结构整体的前n阶固有频率向量，a＝[a1 a2 … an]是定常权重向量，各元素对应各阶固有频率的考虑权重，a1+a2+…+an＝1；K和M为整体结构的刚度矩阵和质量矩阵，|·|表示行列式运算；num(G(i,:)＝1)表示模块i的邻接模块数量，/>为组装可行时模块i周边邻接模块的最大数量；
联合第一步构建的组装信息库、第二步获得的优化变量和优化指标、以及第三步获得的约束条件表达，融合蚁群算法提出组装过程中结构基频最大化的多约束序列规划算法，设计组装序列规划过程包括外部和内部两个回路：内部回路结合蚁群算法和建模过程优化每次的组装位置，外部回路进行组装操作循环和判断，确保完成组装任务。
本发明与现有技术相比的优点在于：针对模块化空间结构的组装序列规划问题，克服现有技术对结构振动问题关注不足的缺点，提出一种面向组装稳定的模块化空间结构多约束序列规划方法，可有效降低组装过程中整体结构的振动幅值，切实提高整体结构的稳定，从而利于组装任务的精确性和高效性；此外，本发明提出的多约束序列规划算法，组装位置可行解集和模块组装位置关系矩阵的引入，使得优化变量和变量约束表达简洁，后续随组装操作实时删除已组装位置、更新可行解集，大幅降低了优化问题的复杂度，大幅提高优化效率；再者，本发明适用于形式多样的模块化空间结构的组装序列优化，并适用于随机数量模块同时组装的工况，该工况下无需改变优化目标，只需改变内部回路中每次组装时的优化变量个数即可完成优化设置。
附图说明
图1为本发明一种面向组装稳定的模块化空间结构多约束序列规划方法的流程图；
图2为本发明一种面向组装稳定的模块化空间结构多约束序列规划方法中的双回路序列优化流程图。
具体实施方式
下面结合附图及实施例对本发明进行详细说明。显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明涉及一种面向组装稳定的模块化空间结构多约束序列规划方法。包括步骤：
第一步，基于模块的结构力学模型，建立模块基础模型库；利用组装位置处模块的局部坐标系与整体结构坐标系之间的坐标转换矩阵，将模块的刚度阵、质量阵进行坐标变换，组集建立整体结构的动力学模型，构建组装信息库；随模块逐个组装，重复上述步骤获得整体结构在轨组装阶段的渐变动力学模型；
第二步，基于第一步获得的整体结构动力学模型，将整个组装序列规划问题离散化处理为每一次组装时的位置优化，优化变量为组装位置编号，优化指标转换为每一次组装时的整体结构基频最大；
第三步，利用第一步获得的模块组装位置关系矩阵，将组装过程中几何约束、连续组装约束等约束条件进行数学表达；
第四步，联合第一步构建的组装信息库、第二步获得的优化变量和优化指标、以及第三步获得的约束条件表达，改进蚁群算法设计双回路优化流程，完成模块化空间结构的组装序列规划。
本发明基于改进的蚁群算法，从结构稳定性出发进行多约束组装序列优化，可有效降低组装过程中大型空间结构的振动幅值，利于组装任务的精确性和高效性，并适用于形式多样的模块化空间结构的组装序列优化。
具体实施步骤如下(以由板模块平面组装而成的平面板状空间结构为例)：
第一步，获得整体结构在轨组装阶段的渐变动力学模型，构建组装信息库。
基于有限元建模方法，首先将模块进行有限单元(四节点板单元)划分，通过差值获得有限单元的位移场：
xele＝Nexxnode
其中，xele为有限单元内任一点的位移向量，Nex为位移插值形函数，xnode为单元节点位移向量，基于Hamilton变分公式：
可得到有限单元的动力学方程为：
其中，和/>分别表示系统的动能、势能和外力做功，Mele和Kele分别表示有限单元的质量矩阵和刚度矩阵，fnode表示等效的节点载荷向量，具体表达为：
其中，ρele为单元的结构材料密度，cele为单元结构材料弹性矩阵，Bex为形函数的导数矩阵，qele为作用在单元表面的外力载荷，T为转置，一点表示变量的一阶导数，两点表示变量的二级导数，∫V·dV表示体积分，∫S·dS表示面积分；在对应的节点自由度位置组集有限单元的刚度阵和质量阵，得到模块i的刚度阵Kmod_i和质量阵Mmod_i。模块的结构力学模型信息包括刚度阵、质量阵、以及有限单元与节点的对应关系。平面板状空间结构的各模块结构长100m、宽100m、厚0.15m，结构材料参数为弹性模量70GPa，泊松比0.3，密度26.67kg/m3，假设整体结构的几何中心存在固定约束，结构阻尼比为0.005。
基于模块力学模型信息，定义模块的可组装方向为可供其他模块物理连接的边界方向，组装接口信息包括在每个组装方向上可供邻接模块共用的有限单元和节点。基于不同类别模块的类型编号、结构参数信息、力学模型信息、以及组装接口信息，建立基础模型库。
然后，针对当前已组装N个模块(N为正整数)的大型空间结构，借鉴多体系统中的连通矩阵定义邻接关系向量Hmod_i(维度为1×qimax)，表示空间结构整体中模块i的直接邻接状态：
其中，i,j∈{1,2,…,N}，Hmod_i(q)表示Hmod_i的第q个元素，Hmod_i(q)＝j表示第i个模块的第q个组装方向上与第j个模块相邻，Hmod_i(q)＝0表示第i个模块在第q个方向上没有邻接的模块；q的最大取值取决于模块可组装方向的个数qimax，即q∈{1,2,…,4}；利用Hmod_i可进一步得到N个已组装模块的位置关系矩阵G，维度为N×N，G是由0、1元素组成的对称方阵，G的第i行第j列G(i,j)＝1表示第i个模块与第j个模块有直接邻接关系，反之G(i,j)＝0；对于平面板状模块qimax＝4。
利用模块基础模型库、以及所有已组装模块的位置关系矩阵G，建立当前空间结构整体的动力学模型：从模块1开始，根据Hmod_1和G计算该模块局部坐标系OS11S12S13至全局坐标系OS1S2S3的坐标转换矩阵Tmod_1；调用基础模型库，刚度阵Kmod_1与质量阵Mmod_1经坐标转换矩阵Tmod_1换算后，直接作为空间结构整体的刚度阵K和质量阵M；接下来，根据Hmod_1查阅模块1的邻接模块i、计算坐标转换矩阵Tmod_i、调用基础模型库，将其换算后的Kmod_i与Mmod_i按节点自由度在K和M相应位置直接扩充加载，其中组装接口共用节点位置处的刚度阵和质量阵元素是叠加后得到的；利用邻接关系向量，遍历全部已组装的模块，重复上述按“节点自由度”加载的步骤，可得到空间结构整体的刚度阵K与质量阵M、单元节点信息等。空间结构整体的动力学模型可表示：
式中左端M(G,Mmod_i)表示空间结构的质量阵M与矩阵G和模块的质量阵Mmod_i相关，K(G,Kmod_i)同理，C为阻尼矩阵，x为所有的节点位移向量；右端W为组装过程中的外力扰动，Bw为外力扰动的加载位置矩阵；根据空间结构包含的模块集合{1,2,…,N}、位置关系矩阵G、以及上式模型信息，建立空间结构整体的组装信息库。
在指定位置组装新模块e后，得到e的邻接关系向量Hmod_e，对其节点重新编号以与结构整体的节点编号连续(借助G、Hmod_e查询邻接模块的对应组装接口，新模块的组装接口与之相同，其余节点按照空间结构整体的现有节点进行顺次编号)。由于已组装的模块集合改变为{1,2,…,N,e}，空间结构整体组装信息库中位置矩阵G也需要相应更新。基于空间结构整体组装信息库中的模型，将e的刚度阵Kmod_e与质量阵Mmod_e按“节点自由度”加载，得到整体结构新的刚度阵K与质量阵M等模型信息后，并更新空间结构整体组装信息库的模型数据，供下一次组装更新使用。以此，建立大型空间结构在轨组装阶段的渐变动力学模型和组装信息库。
第二步，将整个组装序列规划问题进行分解，转化为每次组装操作时模块组装位置的优化问题，基于定常模型从减小结构振动的角度提出优化指标，获得每次组装的优化位置，进而得到整个组装序列。
待组装的模块与待组装的位置之间存在一一对应关系，引入所有组装位置可行解集L，则第Z次组装时需要优化的位置变量VarZ表达如下：
VarZ＝[Z1 Z2 … Zm]
其中，Zs为可行解集L的查询指针变量，s∈{1,2,…,m}，设每次组装模块的个数为m＝2；
第Z次组装时的优化指标为：
max fZ＝a·ω
其中，ω＝[ω1 ω2 … ωn]T表示本次组装后空间结构整体的前n阶固有频率向量，a＝[a1 a2 … an]是定常权重向量，各元素对应各阶固有频率的考虑权重，a1+a2+…+an＝1；ω可通过下式计算得出：
|K-ω2M|＝0
其中，|·|表示行列式运算，K和M为整体结构的刚度矩阵和质量矩阵。如果考虑结构共振现象的发生，需要避免某些特定频率的出现，可修改优化指标中a的相应元素，以进一步调整对特定频率的考虑权重。结构的第一阶固有频率较高，通常表示结构具有较高的结构刚度，结构振动更不容易被激起或振动幅值较小，这里选择一阶固有频率为优化指标，即fZ＝ω1。
第三步，将组装过程中几何约束、连续组装约束等约束条件进行数学表达。
考虑三点约束以保证优化变量的物理意义：1)保证组装位置的可行性，即组装位置需要根据最终目标结构的设计满足一定的几何约束；2)保证组装位置的不可重复性，即每个模块的组装位置互不重合；3)保证组装操作的连续性与可实现性，即每个模块组装时必须与现有的空间结构整体有物理连接，而且组装操作可实现。其中，组装位置的可行性和不可重复性均可通过所有组装位置的可行解集L来实现，组装的连续性与可实现性约束可通过位置关系矩阵G来实现，则优化变量需要满足的约束表示为：
其中，为需组装的模块总个数，即所有组装位置的个数；Zs和Zi为查询指针之一，m＝2为本次组装的模块个数；num(G(i,:)＝1)表示模块i的邻接模块数量；/>为组装可行时模块i周边邻接模块的最大数量，例如要求平板模块i只可在平面内移动组装，则/>
第四步，改进蚁群算法设计双回路优化流程，完成模块化空间结构的组装序列规划。
大型空间结构的组装序列规划问题分解为每次组装操作的最优位置问题，逐次求解，综合优化指标、优化变量和约束条件，优化问题可表述为：
其中，N当前组装的模块编号，为需组装的模块总个数，即所有组装位置的个数，二者为正整数；VarZ为第Z次组装时的优化变量，Zs和Zi为可行解集L的查询指针，m为本次组装的模块个数；fZ为优化指标，ω＝[ω1 ω2 … ωn]T表示本次组装后空间结构整体的前n阶固有频率向量，a＝[a1 a2 … an]是定常权重向量，各元素对应各阶固有频率的考虑权重，a1+a2+…+an＝1；K和M为整体结构的刚度矩阵和质量矩阵，|·|表示行列式运算；num(G(i,:)＝1)表示模块i的邻接模块数量，/>为组装可行时模块i周边邻接模块的最大数量；
联合第一步构建的组装信息库、第二步获得的优化变量和优化指标、以及第三部获得的约束条件表达，融合蚁群算法提出组装过程中结构基频最大化的多约束序列规划算法，如图2设计组装序列规划过程包括外部和内部两个回路：外部回路确保完成组装任务，内部回路结合蚁群算法和建模过程优化每次的组装位置，其中，迭代次数设为100，信息素更新为10*结构基频。
采用本发明方法考虑组装过程中的渐变结构特性进行序列优化，与优化组装距离等指标相比，可有效降低组装过程中整体结构的振动幅值，达到了面向结构稳定的组装需求；此外该方法中组装位置可行解集和模块组装位置关系矩阵的引入，使得优化变量和变量约束表达简洁，后续随组装操作实时删除已组装位置、更新可行解集，大幅降低了优化问题的复杂度，大幅提高优化效率；再者，本发明适用于形式多样的模块化空间结构的组装序列优化，并适用于随机数量模块同时组装的工况，该工况下无需改变优化目标，只需改变内部回路中每次组装时的优化变量个数即可完成优化设置。
本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (4)

1.一种面向组装稳定的模块化空间结构多约束序列规划方法，其特征在于，包括以下步骤：
第一步，基于模块的结构力学模型，建立模块基础模型库；利用组装位置处模块的局部坐标系与整体结构坐标系之间的坐标转换矩阵，将模块的刚度阵、质量阵进行坐标变换，建立整体结构的动力学模型以及模块的位置关系矩阵；随模块逐个组装，重复上述步骤获得整体结构在轨组装阶段的渐变动力学模型，构建组装信息库；
第二步，基于第一步获得的整体结构动力学模型，将整个组装序列规划问题离散化处理为每一次组装时的位置优化，优化变量为组装位置编号，优化指标转换为每一次组装时的整体结构基频最大；
第三步，利用第一步获得的模块组装位置关系矩阵，将组装过程中约束条件进行数学表达，所述的约束条件包括几何约束、连续组装约束；
第四步，联合第一步构建的组装信息库、第二步获得的优化变量和优化指标、以及第三步获得的约束条件的数学表达，改进蚁群算法设计双回路优化流程，完成模块化空间结构的组装序列规划；
所述第一步中，基于模块的结构力学模型，建立模块基础模型库；利用组装位置处模块的局部坐标系与整体结构坐标系之间的坐标转换矩阵，将模块的刚度阵、质量阵进行坐标变换，组集建立整体结构的动力学模型以及模块的位置关系矩阵；随模块逐个组装，重复上述步骤获得整体结构在轨组装阶段的渐变动力学模型，构建组装信息库，具体步骤如下：
步骤(1.1)构建模块基础模型库：
基于有限元建模方法，首先将模块进行有限单元划分，通过差值获得有限单元的位移场：
xele＝Nexxnode
其中，xele为有限单元内任一点的位移向量，Nex为位移插值形函数，xnode为单元节点位移向量，基于Hamilton变分公式：
得到有限单元的动力学方程为：
其中，和/>分别表示系统的动能、势能和外力做功，Mele和Kele分别表示有限单元的质量矩阵和刚度矩阵，fnode表示等效的节点载荷向量，具体表达为：
其中，ρele为单元的结构材料密度，cele为单元结构材料弹性矩阵，Bex为形函数的导数矩阵，qele为作用在单元表面的外力载荷，T为转置，一点表示变量的一阶导数，两点表示变量的二级导数，∫V·dV表示体积分，∫S·dS表示面积分；在对应的节点自由度位置组集有限单元的刚度阵和质量阵，得到模块i的刚度阵Kmod_i和质量阵Mmod_i；
对于不同类别的模块结构，改变结构尺寸、结构形状和材料参数后，同样利用有限单元法获得其力学模型信息；模块的结构力学模型信息包括刚度阵、质量阵、以及有限单元与节点的对应关系；基于模块力学模型信息，定义模块的可组装方向为可供其他模块物理连接的边界方向，组装接口信息包括在每个组装方向上可供邻接模块共用的有限单元和节点；基于不同类别模块的类型编号、结构参数信息、力学模型信息、以及组装接口信息，建立基础模型库；
步骤(1.2)构建整体结构动力学模型：
假设大型空间结构当前已组装N个模块，N为正整数，为了进行整体结构的建模，借鉴多体系统中的连通矩阵定义邻接关系向量Hmod_i，维度为1×qimax，表示空间结构整体中模块i的直接邻接状态：
其中，i,j∈{1,2,…,N}，Hmod_i(q)表示Hmod_i的第q个元素，Hmod_i(q)＝j表示第i个模块的第q个组装方向上与第j个模块相邻，Hmod_i(q)＝0表示第i个模块在第q个方向上没有邻接的模块；q的最大取值取决于模块可组装方向的个数qimax，即q∈{1,2,…,qimax}，qimax为正整数；利用Hmod_i进一步得到N个已组装模块的位置关系矩阵G，维度为N×N，G是由0、1元素组成的对称方阵，G的第i行第j列G(i,j)＝1表示第i个模块与第j个模块有直接邻接关系，反之G(i,j)＝0；
利用模块基础模型库、以及所有已组装模块的位置关系矩阵G，建立当前空间结构整体的动力学模型：从模块1开始，根据Hmod_1和G计算该模块局部坐标系OS11S12S13至全局坐标系OS1S2S3的坐标转换矩阵Tmod_1；调用基础模型库，刚度阵Kmod_1与质量阵Mmod_1经坐标转换矩阵Tmod_1换算后，直接作为空间结构整体的刚度阵K和质量阵M；接下来，根据Hmod_1查阅模块1的邻接模块i、计算坐标转换矩阵Tmod_i、调用基础模型库，将其换算后的Kmod_i与Mmod_i按节点自由度在K和M相应位置直接扩充加载，其中组装接口共用节点位置处的刚度阵和质量阵元素是叠加后得到的；利用邻接关系向量，遍历全部已组装的模块，重复上述按节点自由度加载的步骤，得到空间结构整体的刚度阵K与质量阵M、单元节点信息；则空间结构整体的动力学模型表示为：
式中左端M(G,Mmod_i)表示空间结构的质量阵M与矩阵G和模块的质量阵Mmod_i相关，K(G,Kmod_i)同理，C为阻尼矩阵，x为所有的节点位移向量；右端W为组装过程中的外力扰动，Bw为外力扰动的加载位置矩阵；根据空间结构包含的模块集合{1,2,…,N}、位置关系矩阵G、以及上式模型信息，建立空间结构整体的组装信息库；
步骤(1.3)组装阶段整体结构的模型更新并构建组装信息库：
在指定位置组装新模块e后，得到e的邻接关系向量Hmod_e，对其节点重新编号以与结构整体的节点编号连续，借助G、Hmod_e查询邻接模块的对应组装接口，新模块的组装接口与之相同，其余节点按照空间结构整体的现有节点进行顺次编号；由于已组装的模块集合改变为{1,2,…,N,e}，空间结构整体组装信息库中位置矩阵G也需要相应更新；
基于空间结构整体组装信息库中的模型，将e的刚度阵Kmod_e与质量阵Mmod_e按节点自由度加载，得到整体结构新的刚度阵K与质量阵M模型信息后，更新空间结构整体组装信息库的模型数据，供下一次组装更新使用；以此，建立大型空间结构在轨组装阶段的渐变动力学模型和组装信息库。
2.根据权利要求1所述的一种面向组装稳定的模块化空间结构多约束序列规划方法，其特征在于：所述第二步中，基于第一步获得的整体结构动力学模型，将整个组装序列规划问题离散化处理为每一次组装时的位置优化，优化变量为组装位置编号，优化指标转换为每一次组装时的整体结构基频最大，具体为：
步骤(2.1)优化问题描述：
在整个组装阶段，空间结构整体模型随着模块逐个组装发生离散变化，模块组装撞击的作用位置也完全取决于每一次组装的具体位置，相邻两次组装操作期间，空间结构属不变结构，其动力学模型为定常模型，将整个组装序列规划问题进行分解，转化为每次组装操作时模块组装位置的优化问题，基于定常模型从减小结构振动的角度提出优化指标，获得每次组装的优化位置，进而得到整个组装序列；
步骤(2.2)优化变量描述：
待组装的模块与待组装的位置之间存在一一对应关系，引入所有组装位置可行解集L，则第Z次组装时需要优化的位置变量VarZ表达如下：
VarZ＝[Z1 Z2 … Zm]
其中，Zs为可行解集L的查询指针变量，s∈{1,2,…,m}，m为本次组装的模块个数；
步骤(2.3)优化指标描述：
第Z次组装时的优化指标为：
max fZ＝a·ω
其中，ω＝[ω1 ω2 … ωn]T表示本次组装后空间结构整体的前n阶固有频率向量，a＝[a1 a2 … an]是定常权重向量，各元素对应各阶固有频率的考虑权重，a1+a2+…+an＝1；ω通过下式计算得出：
|K-ω2M|＝0
其中，|·|表示行列式运算，K和M为整体结构的刚度矩阵和质量矩阵。
3.根据权利要求1所述的一种面向组装稳定的模块化空间结构多约束序列规划方法，其特征在于：所述第三步中，利用第一步获得的模块组装位置关系矩阵，将组装过程中约束条件进行数学表达，具体为：
考虑三点约束以保证优化变量的物理意义：1)保证组装位置的可行性，即组装位置需要根据最终目标结构的设计满足一定的几何约束；2)保证组装位置的不可重复性，即每个模块的组装位置互不重合；3)保证组装操作的连续性与可实现性，即每个模块组装时必须与现有的空间结构整体有物理连接，而且组装操作可实现；其中，组装位置的可行性和不可重复性均可通过所有组装位置的可行解集L来实现，组装的连续性与可实现性约束可通过位置关系矩阵G来实现；则优化变量需要满足的约束表示为：
其中，为需组装的模块总个数，即所有组装位置的个数；Zs和Zi为可行解集L的查询指针，m为本次组装的模块个数；num(G(i,:)＝1)表示模块i的邻接模块数量；/>为组装可行时模块i周边邻接模块的最大数量。
4.根据权利要求1所述的一种面向组装稳定的模块化空间结构多约束序列规划方法，其特征在于：所述第四步中，联合第一步构建的组装信息库、第二步获得的优化变量和优化指标、以及第三步获得的约束条件表达，改进蚁群算法设计双回路优化流程，完成模块化空间结构的组装序列规划，具体为：
大型空间结构的组装序列规划问题分解为每次组装操作的最优位置问题，逐次求解，综合优化指标、优化变量和约束条件，最终表述如下：
find VarZ＝[Z1 Z2 … Zm]
max fZ＝a·ω
End
其中，N为当前组装的模块编号，为需组装的模块总个数，即所有组装位置的个数，二者为正整数；VarZ为第Z次组装时的优化变量，Zs和Zi为可行解集L的查询指针，m为本次组装的模块个数；fZ为优化指标，ω＝[ω1 ω2 … ωn]T表示本次组装后空间结构整体的前n阶固有频率向量，a＝[a1 a2 … an]是定常权重向量，各元素对应各阶固有频率的考虑权重，a1+a2+…+an＝1；K和M为整体结构的刚度矩阵和质量矩阵，|·|表示行列式运算；num(G(i,:)＝1)表示模块i的邻接模块数量，/>为组装可行时模块i周边邻接模块的最大数量；
融合蚁群算法提出组装过程中结构基频最大化的多约束序列规划算法，设计组装序列规划过程包括外部和内部两个回路：内部回路结合蚁群算法和建模过程优化每次的组装位置，外部回路确保逐步组装以完成组装任务。
CN202110994017.3A 2021-08-27 2021-08-27 一种面向组装稳定的模块化空间结构多约束序列规划方法 Active CN113722993B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110994017.3A CN113722993B (zh) 2021-08-27 2021-08-27 一种面向组装稳定的模块化空间结构多约束序列规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110994017.3A CN113722993B (zh) 2021-08-27 2021-08-27 一种面向组装稳定的模块化空间结构多约束序列规划方法

Publications (2)

Publication Number Publication Date
CN113722993A CN113722993A (zh) 2021-11-30
CN113722993B true CN113722993B (zh) 2023-09-15

Family

ID=78678385

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110994017.3A Active CN113722993B (zh) 2021-08-27 2021-08-27 一种面向组装稳定的模块化空间结构多约束序列规划方法

Country Status (1)

Country Link
CN (1) CN113722993B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115476549B (zh) * 2022-11-03 2023-10-27 哈尔滨工业大学 一种体素化有序多孔结构及其模块化组装方法
CN118153179B (zh) * 2024-05-10 2024-07-09 北京市建筑设计研究院股份有限公司 基于约束规则的建筑结构智能交互式设计方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110174842A (zh) * 2019-05-24 2019-08-27 大连理工大学 空间太阳能发电卫星在轨组装的分布式振动控制器设计方法
CN110210160A (zh) * 2019-06-12 2019-09-06 中国科学院沈阳自动化研究所 一种局部约束阻尼板振动抑制分析方法
CN110222432A (zh) * 2019-06-12 2019-09-10 中国科学院沈阳自动化研究所 一种基于遗传算法的局部约束阻尼板参数优化设计方法
AU2020103808A4 (en) * 2020-01-17 2021-02-11 Beijing University Of Technology A design method of the fail-safe topology optimization of continuum structures with the frequency and displacement constraints

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110174842A (zh) * 2019-05-24 2019-08-27 大连理工大学 空间太阳能发电卫星在轨组装的分布式振动控制器设计方法
CN110210160A (zh) * 2019-06-12 2019-09-06 中国科学院沈阳自动化研究所 一种局部约束阻尼板振动抑制分析方法
CN110222432A (zh) * 2019-06-12 2019-09-10 中国科学院沈阳自动化研究所 一种基于遗传算法的局部约束阻尼板参数优化设计方法
AU2020103808A4 (en) * 2020-01-17 2021-02-11 Beijing University Of Technology A design method of the fail-safe topology optimization of continuum structures with the frequency and displacement constraints

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Active vibration suppression for large space structure assembly:a distributed adaptive model predictive control approach;enmei wang;《Journal of Virbration and Control》;全文 *
在轨组装空间结构面向主动控制的动力学建模1);王恩美等;《力学学报》;805-816页 *
大型卫星太阳能帆板的分布式振动控制;王恩美等;《航空学报》;221479-1至221479-11 *

Also Published As

Publication number Publication date
CN113722993A (zh) 2021-11-30

Similar Documents

Publication Publication Date Title
CN113722993B (zh) 一种面向组装稳定的模块化空间结构多约束序列规划方法
CN106934147B (zh) 一种空间桁架索网天线等几何找形方法
Roy et al. Optimal vibration control of smart fiber reinforced composite shell structures using improved genetic algorithm
CN110297490B (zh) 基于强化学习算法的异构模块化机器人自重构规划方法
CN102622485A (zh) 确定索杆梁系空间结构放样态的形态分析逆迭代法
Yundou et al. Design and analysis of a truss deployable antenna mechanism based on a 3UU-3URU unit
WO2022197685A1 (en) Discrete macroscopic metamaterial systems
Wang et al. Dynamic multi-constrained assembly sequence planning of large space structures considering structural vibration
CN110174842A (zh) 空间太阳能发电卫星在轨组装的分布式振动控制器设计方法
CN109902350B (zh) 对变截面梁的截面惯性矩进行模型修正中克服模态交换的方法
Yancang et al. Application of improved bat algorithm in truss optimization
CN110543655A (zh) 用于纳米压印设备的精密对准平台的优化设计方法及装置
Zhao et al. Simultaneous outline shape and size optimization for stiffeners in practical engineering structures
CN115630542B (zh) 一种薄壁加筋结构的加筋布局优化方法
Tang et al. Double-layer cable-net structures for deployable umbrella reflectors
CN109299499B (zh) 考虑修正因子的多步骤结构优化设计方法及飞行器
US20210173971A1 (en) Component-wise reduced-order model design optimization such as for lattice design optimization
Yu et al. Bi-level multi-objective optimization of the structure and attitude for space solar power station
CN110426721A (zh) 基于图论和a*算法的模块化可重构卫星在轨自重构方法
CN111027142A (zh) 考虑制造成本的多组件形式薄壁梁结构设计方法
Eschenauer The “three columns” for treating problems in optimum structural design
Pasquarelli et al. Additive manufacturing revolutionizes lightweight gridshells
CN113722779A (zh) 一种基于薄壳结构的参数化雕刻设计方法
CN115438529A (zh) 一种大型反射面天线单块面板主动调整的促动器简化仿真实现方法
CN111987474A (zh) 一种相控阵天线阵面变形主动调整机构及其控制方法

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