CN115861410A - 一种结构关键载荷筛选方法 - Google Patents
一种结构关键载荷筛选方法 Download PDFInfo
- Publication number
- CN115861410A CN115861410A CN202211593568.XA CN202211593568A CN115861410A CN 115861410 A CN115861410 A CN 115861410A CN 202211593568 A CN202211593568 A CN 202211593568A CN 115861410 A CN115861410 A CN 115861410A
- Authority
- CN
- China
- Prior art keywords
- load
- points
- point
- convex hull
- dimensional
- 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.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种结构关键载荷筛选方法，该方法包括以下步骤：S1、获取载荷工况点的结果数据：通过工程方法或Gfem模型对所有载荷情况进行计算，获得载荷工况点，和载荷工况点计算的结果；S2、获取考察结构在载荷工况点下的结构载荷：对于需要考察的结构，获取步骤S1中计算结果中结构的载荷，根据实际情况对弯、剪、扭等结构载荷进行取值。本发明会根据载荷数据点形成一个封闭的凸多边形，据凸多边形的性质，位于凸多边形内部的点（包括其余顶点）都位于其任何一边延长线的同侧，根据组合包线，即可最终选定临界载荷设计情况，可以保证严重载荷情况不被遗漏。
Description
技术领域
本发明涉及计算机仿真技术领域，具体为一种结构关键载荷筛选方法。
背景技术
飞机结构在服役过程中，受到的载荷是多种多样的。在结构设计过程中，载荷专家必须从繁杂的载荷组合中，找出各个部件最大受载发生在哪种情况，其载荷的大小及分布如何。通常，需要先综合运用参数分析、设计点选取、参数选择解决载荷初选问题，最后，再用单值包线及组合包线法来解决部件净载荷的最终选取。
当前方法中即为组合包线筛选方法，载荷包线的绘制并不等同于载荷筛选方法，只是其中最为重要的核心。
发明内容
本发明的目的在于提供一种结构关键载荷筛选方法，以解决上述背景技术中提出当前方法中仍存在载荷情况被遗漏的问题。
为实现上述目的，本发明提供如下技术方案：一种结构关键载荷筛选方法，该方法包括以下步骤：
S1、获取载荷工况点的结果数据：通过工程方法或Gfem模型对所有载荷情况进行计算，获得载荷工况点，和载荷工况点计算的结果；
S2、获取考察结构在载荷工况点下的结构载荷：对于需要考察的结构，获取步骤S1中计算结果中结构的载荷，根据实际情况对弯、剪、扭等结构载荷进行取值；
S3、设置需要考察的结构载荷类型，如弯、剪、扭等的组合：用户通过对考察结构的载荷类型进行选择，方法根据用户选择对载荷点的坐标值进行赋值；
S4、生成具有N维坐标的数据点，形成数据点云将步骤3中形成的载荷点，形成具有N维坐标的点云，其中N为用户选择的载荷类型，如用户选择弯、剪，则N=2，如用户选择弯、剪、扭，则N=3，一般在工程上，N取值2或者3，但是在本方法中，N可以是大于2的任一正整数；
S5、调用N维点云凸包核心计算程序N-Dim-ConvexHull：核心计算N-Dim-Convexhull输入为点云，输出为部分点组成的凸包，该凸包保证了其他所有载荷点都被凸包包含在“里面”，对于二维情况，即平面上的所有载荷点都包含在二维离散点组成的封闭曲线内，对于三维情况，即空间上的所有载荷点都包含在三维离散点组成的封闭曲面内，对于N维情况，即N维欧式空间上的所有载荷点，都包含在N维离散点组成的N-1维的封闭结构内；
S6、获得N-Dim的凸包，并记录凸包上的载荷点编号，在获得凸包后，需要记录凸包上的载荷点的编号，以方便输出对对应的结构载荷；
S7、输出筛选后的结构载荷：以文本的形式对步骤6中结构载荷数据进行输出。
优选的，所述核心的凸包计算方法包括如下步骤：
101、通过排序，选取x坐标下的最大值点A和最小值B；
102、通过A点和B点，可以确定一条直线，将点云分割为UAB和DAB两个子点云；
103、并行地，对在2个子点云中找到离直线AB最远的点C，形成三角ABC；
104、在三角形ABC内的点不可能是凸包上的点，在后续计算中这些点不再考察；
105、对于三角形的边AC和AB重复3，4两步操作，直到没有所有子点云中的点不处于任何直线外；
106、合并102中UAB和DAB点云的凸包，形成整体点云凸包。
优选的，所述方法的图形显示数据采用matlibplot进行。
优选的，通过方法提供的内置函数读取N维点云信息。
与现有技术相比，本发明的有益效果是：
本发明会根据载荷数据点形成一个封闭的凸多边形，据凸多边形的性质，位于凸多边形内部的点（包括其余顶点）都位于其任何一边延长线的同侧，根据组合包线，即可最终选定临界载荷设计情况，可以保证严重载荷情况不被遗漏。
附图说明
图1为本发明的流程图；
图2为本发明N-Dim-Convexhull即N维点云凸包计算核心算法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，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，本发明实施例公开了一种结构关键载荷筛选方法，该方法包括：
201、通过输入文件获取载荷工况点的结果数据，通过各个加载接头对有限元模型施加载荷，并绘制力流图；根据力流图分析各个典型区域的受载情况，并计算对应典型区域的接头载荷；
202、通过程序应获得考察结构在载荷工况点下的结构载荷；
203、通过交互界面设置需要考察的结构载荷类型，如弯、剪、扭等的组合；
204、通过方法的内置程序生成具有N维坐标的数据点，形成数据点云；
205、通过调用方法的内置N维点云凸包核心计算程序N-Dim-ConvexHull进行计算；
206、通过方法内置程序获得N-Dim的凸包，并记录凸包上的载荷点编号；
207、通过用户交互界面提供的文件输出功能，输出筛选后的结构载荷。
本发明采用Python语言开发，matlibplot进行数据的图形显示，基于wxPython开发图形界面，提供方便的文本输入和文本内容显示窗口，提供易用的图形交互界面。用户可以通过本方法提供的图形界面完成上述整个优化求解过程。
如图2所示，核心计算程序N-Dim-ConvexHull通过递归算法对N维点云的凸包进行计算，本发明实施例公开了N-Dim-ConvexHull方法，该方法包括：
301、通过方法提供的内置函数读取N维点云信息；
302、通过方法提供的内置函数对读入的点云进行排序；
303、通过方法提供的内置函数选取N-1个数据点，形成始N-1维的分割结构；
304、通过方法提供的内置函数将点云按N-1维的分割结构分割为2个子点云；
305、通过方法提供的内置函数在子点云中选取离分割结构最远的点，与N-1维的分割结构形成具有N维的封闭结构；
306、通过方法提供的内置函数将点云划分为封闭结构内点和封闭结构外点，内点再后续计算中可以忽略；
307、通过方法提供的内置函数对N维封闭结构的每一个新的N-1维分割结构进行305、306步的递归操作，直到子点云中不再存在外部点，得到子点云的凸包；
308、通过方法提供的内置函数合并2个子点云的N维封闭解结构形成最终求解得到的凸包。
综上所述：本发明会根据载荷数据点形成一个封闭的凸多边形，据凸多边形的性质，位于凸多边形内部的点（包括其余顶点）都位于其任何一边延长线的同侧，根据组合包线，即可最终选定临界载荷设计情况，可以保证严重载荷情况不被遗漏。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种结构关键载荷筛选方法，其特征在于：该方法包括以下步骤：
S1、获取载荷工况点的结果数据：通过工程方法或Gfem模型对所有载荷情况进行计算，获得载荷工况点，和载荷工况点计算的结果；
S2、获取考察结构在载荷工况点下的结构载荷：对于需要考察的结构，获取步骤S1中计算结果中结构的载荷，根据实际情况对弯、剪、扭等结构载荷进行取值；
S3、设置需要考察的结构载荷类型，如弯、剪、扭等的组合：用户通过对考察结构的载荷类型进行选择，方法根据用户选择对载荷点的坐标值进行赋值；
S4、生成具有N维坐标的数据点，形成数据点云将步骤3中形成的载荷点，形成具有N维坐标的点云，其中N为用户选择的载荷类型，如用户选择弯、剪，则N=2，如用户选择弯、剪、扭，则N=3，一般在工程上，N取值2或者3，但是在本方法中，N可以是大于2的任一正整数；
S5、调用N维点云凸包核心计算程序N-Dim-ConvexHull：核心计算N-Dim-Convexhull输入为点云，输出为部分点组成的凸包，该凸包保证了其他所有载荷点都被凸包包含在“里面”，对于二维情况，即平面上的所有载荷点都包含在二维离散点组成的封闭曲线内，对于三维情况，即空间上的所有载荷点都包含在三维离散点组成的封闭曲面内，对于N维情况，即N维欧式空间上的所有载荷点，都包含在N维离散点组成的N-1维的封闭结构内；
S6、获得N-Dim的凸包，并记录凸包上的载荷点编号，在获得凸包后，需要记录凸包上的载荷点的编号，以方便输出对对应的结构载荷；
S7、输出筛选后的结构载荷：以文本的形式对步骤6中结构载荷数据进行输出。
2.根据权利要求1所述的一种结构关键载荷筛选方法，其特征在于：所述核心的凸包计算方法包括如下步骤：
101、通过排序，选取x坐标下的最大值点A和最小值B；
102、通过A点和B点，可以确定一条直线，将点云分割为UAB和DAB两个子点云；
103、并行地，对在2个子点云中找到离直线AB最远的点C，形成三角ABC；
104、在三角形ABC内的点不可能是凸包上的点，在后续计算中这些点不再考察；
105、对于三角形的边AC和AB重复3，4两步操作，直到没有所有子点云中的点不处于任何直线外；
106、合并102中UAB和DAB点云的凸包，形成整体点云凸包。
3.根据权利要求1所述的一种结构关键载荷筛选方法，其特征在于：所述方法的图形显示数据采用matlibplot进行。
4.根据权利要求2所述的一种结构关键载荷筛选方法，其特征在于：通过方法提供的内置函数读取N维点云信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211593568.XA CN115861410A (zh) | 2022-12-13 | 2022-12-13 | 一种结构关键载荷筛选方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211593568.XA CN115861410A (zh) | 2022-12-13 | 2022-12-13 | 一种结构关键载荷筛选方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115861410A true CN115861410A (zh) | 2023-03-28 |
Family
ID=85672273
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211593568.XA Pending CN115861410A (zh) | 2022-12-13 | 2022-12-13 | 一种结构关键载荷筛选方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115861410A (zh) |
-
2022
- 2022-12-13 CN CN202211593568.XA patent/CN115861410A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4747219B2 (ja) | 画像処理装置、画像処理方法 | |
| CN110706345A (zh) | 一种基于构件实例合并的铁路bim模型轻量化方法及系统 | |
| US8290256B2 (en) | Image processing apparatus and image processing method | |
| US20150379769A1 (en) | Method and apparatus for mesh simplification | |
| CN112348954A (zh) | 一种建筑模型处理方法、装置、计算机设备以及存储介质 | |
| CN110717919A (zh) | 图像处理方法、装置、介质和计算设备 | |
| US11726643B2 (en) | Techniques for visualizing probabilistic data generated when designing mechanical assemblies | |
| EP0642104A1 (en) | Interactive volume rendering method and system | |
| CN115861410A (zh) | 一种结构关键载荷筛选方法 | |
| JP5230372B2 (ja) | 画像処理装置、画像処理方法 | |
| CN115495362A (zh) | 生成测试代码的方法、装置、存储介质及计算机设备 | |
| García et al. | Acceleration of filtering and enhancement operations through geometric processing of gray-level images | |
| CN114565794A (zh) | 一种轴承故障的分类方法、装置、设备及存储介质 | |
| Mateo et al. | Hierarchical, Dense and Dynamic 3D Reconstruction Based on VDB Data Structure for Robotic Manipulation Tasks | |
| CN109884703B (zh) | 基于hsv颜色模型的彩色平面属性图数字化方法 | |
| US6903740B1 (en) | Volumetric-based method and system for visualizing datasets | |
| CN110111286B (zh) | 图像优化方式的确定方法和装置 | |
| CN113222843A (zh) | 一种图像修复方法及其相关设备 | |
| CN117292394B (zh) | 地图审核方法和装置 | |
| CN115034198B (zh) | 语言模型中嵌入模块计算优化的方法 | |
| US6278458B1 (en) | Method of reduction and compression of model, and medium for storage thereof | |
| JP7418517B2 (ja) | テキスト認識の方法、装置、電子機器、記憶媒体およびコンピュータプログラム | |
| CN117272495B (zh) | 一种图像及数据组织、融合加载和展示方法及系统 | |
| CN117034679A (zh) | 一种方块转换为物理模型的方法、装置及计算机存储介质 | |
| US7301540B1 (en) | System and method for rasterization through approximation |
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 |