CN117131633A - 一种基于热传导本构模型的机器人结构件优化方法及装置 - Google Patents
一种基于热传导本构模型的机器人结构件优化方法及装置 Download PDFInfo
- Publication number
- CN117131633A CN117131633A CN202311219901.5A CN202311219901A CN117131633A CN 117131633 A CN117131633 A CN 117131633A CN 202311219901 A CN202311219901 A CN 202311219901A CN 117131633 A CN117131633 A CN 117131633A
- Authority
- CN
- China
- Prior art keywords
- target
- structural member
- thermodynamic
- heat
- determining
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000005457 optimization Methods 0.000 title claims abstract description 20
- 230000004907 flux Effects 0.000 claims abstract description 68
- 238000009826 distribution Methods 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 description 18
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000017525 heat dissipation Effects 0.000 description 8
- 230000006872 improvement Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005290 field theory Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书公开了一种基于热传导本构模型的机器人结构件优化方法及装置。该方法包括：根据目标结构件的热量信息以及目标时间，确定目标结构件对应的广义熵；根据热量信息所对应的热通量以及广义熵，确定在广义熵不为负熵的约束下，广义熵与目标结构件的热量之间的目标对应关系；根据目标对应关系以及基于目标对应关系确定出的热力学通量，确定目标结构件对应的全局热力学耗散信息以及每个参考点对应的局部热力学耗散信息；根据局部热力学耗散信息以及热力学通量的分量，确定目标结构件对应的热传导本构模型，热传导本构模型用于表征结构件达到热平衡所需的弛豫时间与目标结构件的微结构特征之间的对应关系，并对目标结构件进行优化。
Description
技术领域
本说明书涉及机器人技术领域，尤其涉及一种基于热传导本构模型的机器人结构件优化方法及装置。
背景技术
随着科技的发展，智能机器人被广泛的应用到诸如军事、工业、医疗、航天等各个领域，如送餐机器人、扫地机器人、导览机器人、巡检机器人等。其中的仿人机器人关节数量众多，且内部空间狭小，结构紧凑。在散热条件差时，热量会随着仿人机器人行走或奔跑时间而累积，长时间运行情况下会导致机器人温度过高，影响机器人性能。此外，当机器人本身处于恶劣工况下，如何设计机器人结构件及散热系统显得尤为关键，对推动机器人技术的发展和实际应用起着重要的推动作用。
然而，目前尚未有方法能够对机器人结构件的热力学信息和热力学性能进行准确的测定，这就导致在结构件的设计以及构建过程中缺乏相应的指标作为参考，使得构建出的机器人的散热性能较差，难以满足业务需求。
因此，如何对机器人结构件的热力学信息进行准确的测定，从而为机器人的设计及优化过程提供热力学基础，保证机器人的散热性能，是一个亟待解决的问题。
发明内容
本说明书提供一种基于热传导本构模型的机器人结构件优化方法及装置，以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案：
本说明书提供了一种基于热传导本构模型的机器人结构件优化方法，包括：
获取机器人的目标结构件在目标时间内产生的热量信息；
根据所述热量信息以及所述目标时间，确定所述目标结构件对应的广义熵；
根据所述热量信息所对应的热通量以及所述广义熵，确定在所述广义熵不为负熵的约束下，所述广义熵与所述目标结构件的热量之间的目标对应关系；
根据所述目标对应关系以及基于所述目标对应关系确定出的热力学通量，确定所述目标结构件对应的全局热力学耗散信息以及每个参考点对应的局部热力学耗散信息；
根据所述局部热力学耗散信息以及所述热力学通量的分量，确定所述目标结构件对应的热传导本构模型，所述热传导本构模型用于表征结构件达到热平衡所需的弛豫时间与所述目标结构件的微结构特征之间的对应关系；
根据所述全局热力学耗散信息以及所述热传导本构模型，对所述目标结构件进行优化。
可选地，根据所述热量信息以及所述目标时间，确定所述目标结构件对应的广义熵，具体包括：
根据所述热量信息以及所述目标时间，确定所述热量信息的各阶时间导数；
根据所述各阶时间导数，确定所述广义熵。
可选地，根据所述热量信息所对应的热通量以及所述广义熵，确定在所述广义熵不为负熵的约束下，所述广义熵与所述目标结构件的热量之间的目标对应关系，具体包括：
根据每阶时间导数所对应的内部特征时间，对所述广义熵进行转换，得到转换后广义熵，每阶时间导数所对应的内部特征时间用于将各阶时间导数转换为相同量纲；
根据所述热通量以及所述转换后广义熵，确定所述目标对应关系。
可选地，根据所述热通量以及所述转换后广义熵，确定所述目标对应关系，具体包括：
根据所述热通量以及所述转换后广义熵，确定所述广义熵与所述目标结构件的热量之间的对应关系的二维形式；
将所述广义熵与所述目标结构件的热量之间的对应关系的二维形式转换为三维形式；
根据三维形式的所述广义熵与所述目标结构件的热量之间的对应关系以及热力学第二定律，得到所述目标对应关系。
可选地，根据所述热量信息所对应的热通量以及所述广义熵，确定在所述广义熵不为负熵的约束下，所述广义熵与所述目标结构件的热量之间的目标对应关系，具体包括：
根据所述热量信息所对应的热通量在所述目标结构件上每个面的分量、所述目标结构件的表面积、所述目标结构件上每个面的法向量以及所述广义熵，确定所述目标对应关系。
可选地，针对所述目标结构件中的每个参考点，该参考点对应的热力学耗散信息是根据该参考点本身的热力学力场以及该参考点预设邻域内其他参考点的热力学力场确定的。
可选地，根据所述热力学耗散信息以及所述热力学通量的分量，确定所述目标结构件对应的热传导本构模型，具体包括：
根据所述局部热力学耗散信息，确定所述预设邻域内所有参考点对应热力学立场的耗散分布泛函；
根据所述耗散分布泛函，确定所述耗散分布信息对应耗散分布泛函关于热力学力的导数与热力学通量间关系；
根据所述耗散分布泛函关于热力学力的导数与热力学通量间关系以及所述热力学通量的分类，确定所述目标结构件对应的热传导本构模型。
本说明书提供了一种基于热传导本构模型的机器人结构件优化装置，包括：
获取模块，获取机器人的目标结构件在目标时间内产生的热量信息；
第一确定模块，根据所述热量信息以及所述目标时间，确定所述目标结构件对应的广义熵；
第二确定模块，根据所述热量信息所对应的热通量以及所述广义熵，确定在所述广义熵不为负熵的约束下，所述广义熵与所述目标结构件的热量之间的目标对应关系；
第三确定模块，根据所述目标对应关系以及基于所述目标对应关系确定出的热力学通量，确定所述目标结构件对应的全局热力学耗散信息以及每个参考点对应的局部热力学耗散信息；
第四确定模块，根据所述局部热力学耗散信息以及所述热力学通量的分量，确定所述目标结构件对应的热传导本构模型，所述热传导本构模型用于表征结构件达到热平衡所需的弛豫时间与所述目标结构件的微结构特征之间的对应关系；
优化模块，根据所述全局热力学耗散信息以及所述热传导本构模型，对所述目标结构件进行优化。
本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于热传导本构模型的机器人结构件优化方法。
本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述基于热传导本构模型的机器人结构件优化方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果：
在本说明书提供的基于热传导本构模型的机器人结构件优化方法中，根据目标结构件的热量信息以及目标时间，确定目标结构件对应的广义熵；根据热量信息所对应的热通量以及广义熵，确定在广义熵不为负熵的约束下，广义熵与目标结构件的热量之间的目标对应关系；根据目标对应关系以及基于目标对应关系确定出的热力学通量，确定目标结构件对应的全局热力学耗散信息以及每个参考点对应的局部热力学耗散信息；根据局部热力学耗散信息以及热力学通量的分量，确定目标结构件对应的热传导本构模型，热传导本构模型用于表征结构件达到热平衡所需的弛豫时间与目标结构件的微结构特征之间的对应关系，并对目标结构件进行优化。
从上述方法可以看出，本方案可以基于机器人结构件在目标时间内产生的热量信息确定出结构件的全局热力学耗散信息以及热传导本构模型，这样一来，就可以通过这些信息对结构件的能量损失以及散热情况进行评估，从而为机器人结构件热传导中的非局域时空现象研究提供热力学基础，使得基于上述信息优化后的机器人具有良好的散热性能。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
图1为本说明书中提供的一种基于热传导本构模型的机器人结构件优化方法的流程示意图；
图2为本说明书提供的一种基于热传导本构模型的机器人结构件优化装置的示意图；
图3为本说明书提供的一种对应于图1的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本说明书保护的范围。
以下结合附图，详细说明本说明书各实施例提供的技术方案。
图1为本说明书中提供的一种基于热传导本构模型的机器人结构件优化方法的流程示意图，包括以下步骤：
S101：获取机器人的目标结构件在目标时间内产生的热量信息。
S102：根据所述热量信息以及所述目标时间，确定所述目标结构件对应的广义熵。
在通过机器人执行实际业务的过程中，热量会随着机器人各机构件的运作时间而累积，长时间运行情况下会导致机器人温度过高，影响机器人性能。因此，就需要为机器人结构件热传导中的非局域时空现象研究提供热力学基础，从而对机器人结构件的热力学性能进行优化。
基于此，本说明书提供了一种基于热传导本构模型的机器人结构件优化方法，通过机器人的目标结构件在目标时间内产生的热量信息推导出结构件的热力学耗散信息以及热传导本构模型，进而以这些信息为基础对机器人的结构件进行优化设计。
在本说明书中，用于实现一种基于热传导本构模型的机器人结构件优化方法的执行主体可以为诸如笔记本电脑、台式电脑等终端设备，当然，也可以为机器人的上位机或服务器，为了便于描述，以下仅以终端设备作为执行主体为例，对本说明书提供的基于热传导本构模型的机器人结构件优化方法机芯说明。
其中，终端设备可以通过机器人上设置的热量传感器，获取机器人的目标结构件在目标时间内产生的热量信息，该目标结构件可以为机器人的关节轴承、传动装置、执行器、伺服电机以及控制器等，本说明书对此不做具体限定。
之后终端设备可以根据上述热量信息以及目标时间，确定该热量信息的各阶时间导数，包括：一阶时间导数、二阶时间导数……N阶时间导数。
之后可以根据热量信息的各阶时间导数，确定目标结构件的广义熵，其中，广义熵为一个依赖于内能以及其一阶和高阶时间导数的函数，可以表示为：
其中，S代表熵，E代表内能，即目标结构件的热量信息。分别表示内能的一阶和N阶时间导数。
S103：根据所述热量信息所对应的热通量以及所述广义熵，确定在所述广义熵不为负熵的约束下，所述广义熵与所述目标结构件的热量之间的目标对应关系。
服务器可以进一步根据每阶时间导数所对应的内部特征时间，将广义熵转换为广义吉布斯(Gibbs)方程，得到转换后广义熵，该转换后广义熵(广义吉布斯方程)可以表示为：
其中，τE，τ2E和τjE是内能的各阶时间导数对应的预设内部特征时间，从而将各阶时间导数转换为相同量纲。
之后可以对广义吉布斯方程进行调整，方程两边除以时间dt，其中t为时间，得到调整后广义吉布斯方程：
进一步的，终端设备可以基于能量守恒定律，通过热通量来表示交换的热量信息，其中，终端设备可以根据目标结构件的表面积，热通量在目标结构件上每个面的分量以及目标结构件上每个面的法向量来表示热量信息，对于热量信息的一阶时间导数，可以通过热通量表示为：
其中，A为表面积，qk是热通量q的分量。(热通量取决于其作用的表面的方向。表面的外部单位法线的大小用nk表示)，“-”符号表示入射热。
之后客户端可以基于热通量，将调整后广义吉布斯方程转换为广义熵与目标结构件的热量之间的对应关系的二维形式，其对应的二维吉布斯方程可以表示为：
其中，A用于表征二维“面积”。
而后客户端可以基于格林-高斯定理，并上述方程两边除以温度T，广义熵与目标结构件的热量之间的对应关系的三维形式，其对应的三维吉布斯方程可以表示为：
其中，算子“div”表示散度，V用于表示三维“体积”。
之后客户端可以根据广义熵与目标结构件的热量之间的对应关系的三维形式，确定在第二热力学定律(即广义熵不为负熵)的约束下，广义熵与目标结构件的热量之间的目标对应关系。
具体的，客户端可以将三维吉布斯方程等效改写为：
根据热力学第二定律，改写后的方程右侧中的第二个积分项内部熵产生满足：
上述公式为用于表征在广义熵不为负熵的约束下，广义熵与目标结构件的热量之间的目标对应关系耗散不等式，客户端可以设定内部特征时间τE，τ2E和τjE是常数，则上述耗散不等式可以等价为：
其中，为热力学力矢量以及单位矢量。
S104：根据所述目标对应关系以及基于所述目标对应关系确定出的热力学通量，确定所述目标结构件对应的全局热力学耗散信息以及每个参考点对应的局部热力学耗散信息。
客户端根据所述目标对应关系以及基于所述目标对应关系确定出的热力学通量，确定所述目标结构件对应的全局热力学耗散信息以及每个参考点对应的局部热力学耗散信息。
在本说明书中，热力学通量的矢量形式可以表示为：
热力学通量的分量形式可以表示为：
这样一来，耗散不等式的紧凑形式可以表示为：
具体的，客户端可以将耗散不等式的紧凑形式代入中，得到目标结构对应的全局耗散信息，该全局耗散信息可以通过总耗散函数表示为：
经过整理，该总耗散函数的密度形式表达式可以为：
Φ＝∫Vφ(x)dV(x)≥0
其中，总耗散函数用于表征目标结构件对应的全局热力学耗散信息。
另外，客户端还可以确定出目标结构件中每个参考点对应的局部热力学耗散信息，对于所述目标结构件中的每个参考点，该参考点对应的热力学耗散信息是根据该参考点本身的热力学力场以及该参考点预设邻域内其他参考点的热力学力场确定的，其中，上述预设邻域可以根据实际情况进行设定，本说明书对此不做具体限定。
基于非局域场理论，热力学通量场不仅与参考点处的热力学力有关，还与邻近点的热力学力有关。因此，参考点x的局部热力学耗散信息对应的耗散函数为参考点周围有限邻域体B(x)中热力学力场的一个泛函，即：
有限邻域体B(x)内所有点的耗散分布泛函为：
其中，x为参考点，x′不仅表示参考点，还表示系统中的其它点，和/>分别是参考点和有限邻域体B(x)中所有点的“驱动力”，该驱动力用于表征不同参考点热量的影响因素，包括自身因素(即参考点自身热量)以及外部因素(即其他参考点热量)。
一旦指定了耗散分布泛函，非局域耗散函数就可以“驱动力”的形式相结合，然后使用总耗散函数式来评估能量损失。
S105：根据所述局部热力学耗散信息以及所述热力学通量的分量，确定所述目标结构件对应的热传导本构模型，所述热传导本构模型用于表征结构件达到热平衡所需的弛豫时间与所述目标结构件的微结构特征之间的对应关系。
S106：根据所述全局热力学耗散信息以及所述热传导本构模型，对所述目标结构件进行优化。
客户端可以根据耗散分布泛函，确定耗散分布信息对应耗散分布泛函关于热力学力的导数与热力学通量间关系，之后根据耗散分布泛函关于热力学力的导数与热力学通量间关系以及所述热力学通量的分类，确定目标结构件对应的热传导本构模型。
具体地，机器人结构件的热传导本构模型推导过程如下：
“响应”J(x)表示整个系统中参考点x所占用“驱动力”的函数。而R(x)是干扰项，具有以下关系：
∫VR(x)dV(x)=0
通过耗散函数推导出热力学通量Jk(因变量)，即“响应”Jk从耗散密度相对于“驱动力”的一阶导数中获得：
其中，Uk是本构残差，受以下条件限制：
Uk(x)T，k(x)＝0
令Uk(x)＝0，为满足上述公式的充分条件，则由所有点的耗散分布泛函以及/>可得耗散分布泛函关于热力学力的导数与热力学通量间关系，该关系可以表示为：
将热力学通量的分量代入上述公式，以根据热力学通量的分量以及耗散分布泛函关于热力学力的导数与热力学通量间关系，确定机器人目标结构件的广义非局部不可逆热力学的本构模型，该热力学本构模型可以表示为：
其中，该热力学本构模型可以用于表征结构件达到热平衡所需的弛豫时间与结构件的微结构特征之间的对应关系。
客户端可以根据目标结构件的全局热力学耗散信息，对其热量损失进行评估，并在仿真环境中以目标结构件的热力学本构模型以及目标结构件的热量损失情况为基础，对目标结构件的结构以及材质进行优化，并基于仿真的优化结果构建实际的结构件对机器人的原有结构件进行更新。
从上述方法可以看出，本方案可以基于机器人结构件在目标时间内产生的热量信息确定出结构件的全局热力学耗散信息以及热传导本构模型，这样一来，就可以通过这些信息对结构件的能量损失以及散热情况进行评估，从而为机器人结构件热传导中的非局域时空现象研究提供热力学基础，使得基于上述信息优化后的机器人具有良好的散热性能。
以上为本说明书的一个或多个实施基于热传导本构模型的机器人结构件优化方法，基于同样的思路，本说明书还提供了相应的基于热传导本构模型的机器人结构件优化装置，如图2所示。
图2为本说明书提供的一种基于热传导本构模型的机器人结构件优化装置的示意图，包括：
获取模块201，用于获取机器人的目标结构件在目标时间内产生的热量信息；
第一确定模块202，用于根据所述热量信息以及所述目标时间，确定所述目标结构件对应的广义熵；
第二确定模块203，用于根据所述热量信息所对应的热通量以及所述广义熵，确定在所述广义熵不为负熵的约束下，所述广义熵与所述目标结构件的热量之间的目标对应关系；
第三确定模块204，用于根据所述目标对应关系以及基于所述目标对应关系确定出的热力学通量，确定所述目标结构件对应的全局热力学耗散信息以及每个参考点对应的局部热力学耗散信息；
第四确定模块205，用于根据所述局部热力学耗散信息以及所述热力学通量的分量，确定所述目标结构件对应的热传导本构模型，所述热传导本构模型用于表征结构件达到热平衡所需的弛豫时间与所述目标结构件的微结构特征之间的对应关系；
优化模块206，用于根据所述全局热力学耗散信息以及所述热传导本构模型，对所述目标结构件进行优化。
可选地、所述第一确定模块202具体用于，根据所述热量信息以及所述目标时间，确定所述热量信息的各阶时间导数；根据所述各阶时间导数，确定所述广义熵。
可选地、所述第二确定模块203具体用于，根据每阶时间导数所对应的内部特征时间，对所述广义熵进行转换，得到转换后广义熵，每阶时间导数所对应的内部特征时间用于将各阶时间导数转换为相同量纲；根据所述热通量以及所述转换后广义熵，确定所述目标对应关系。
可选地、所述第二确定模块203具体用于，根据所述热通量以及所述转换后广义熵，确定所述广义熵与所述目标结构件的热量之间的对应关系的二维形式；将所述广义熵与所述目标结构件的热量之间的对应关系的二维形式转换为三维形式；根据三维形式的所述广义熵与所述目标结构件的热量之间的对应关系以及热力学第二定律，得到所述目标对应关系。
可选地、所述第二确定模块203具体用于，根据所述热量信息所对应的热通量在所述目标结构件上每个面的分量、所述目标结构件的表面积、所述目标结构件上每个面的法向量以及所述广义熵，确定所述目标对应关系。
可选地，针对所述目标结构件中的每个参考点，该参考点对应的热力学耗散信息是根据该参考点本身的热力学力场以及该参考点预设邻域内其他参考点的热力学力场确定的。
可选地、所述第四确定模块205具体用于，根据所述局部热力学耗散信息，确定所述预设邻域内所有参考点对应热力学立场的耗散分布泛函；根据所述耗散分布泛函，确定所述耗散分布信息对应耗散分布泛函关于热力学力的导数与热力学通量间关系；根据所述耗散分布泛函关于热力学力的导数与热力学通量间关系以及所述热力学通量的分类，确定所述目标结构件对应的热传导本构模型。
本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的一种基于热传导本构模型的机器人结构件优化方法。
本说明书还提供了图3所示的一种对应于图1的电子设备的示意结构图。如图3所述，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的基于热传导本构模型的机器人结构件优化方法。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(ProgrammableLogic Device，PLD)(例如现场可编程门阵列(Field Programmable Gate Array，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logiccompiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware DescriptionLanguage，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced BooleanExpression Language)、AHDL(Altera Hardware Description Language)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java HardwareDescription Language)、Lava、Lola、MyHDL、PALASM、RHDL(Ruby Hardware DescriptionLanguage)等，目前最普遍使用的是VHDL(Very-High-Speed Integrated CircuitHardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、AtmelAT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器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功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种基于热传导本构模型的机器人结构件优化方法，其特征在于，包括：
获取机器人的目标结构件在目标时间内产生的热量信息；
根据所述热量信息以及所述目标时间，确定所述目标结构件对应的广义熵；
根据所述热量信息所对应的热通量以及所述广义熵，确定在所述广义熵不为负熵的约束下，所述广义熵与所述目标结构件的热量之间的目标对应关系；
根据所述目标对应关系以及基于所述目标对应关系确定出的热力学通量，确定所述目标结构件对应的全局热力学耗散信息以及每个参考点对应的局部热力学耗散信息；
根据所述局部热力学耗散信息以及所述热力学通量的分量，确定所述目标结构件对应的热传导本构模型，所述热传导本构模型用于表征结构件达到热平衡所需的弛豫时间与所述目标结构件的微结构特征之间的对应关系；
根据所述全局热力学耗散信息以及所述热传导本构模型，对所述目标结构件进行优化。
2.如权利要求1所述的方法，其特征在于，根据所述热量信息以及所述目标时间，确定所述目标结构件对应的广义熵，具体包括：
根据所述热量信息以及所述目标时间，确定所述热量信息的各阶时间导数；
根据所述各阶时间导数，确定所述广义熵。
3.如权利要求2所述的方法，其特征在于，根据所述热量信息所对应的热通量以及所述广义熵，确定在所述广义熵不为负熵的约束下，所述广义熵与所述目标结构件的热量之间的目标对应关系，具体包括：
根据每阶时间导数所对应的内部特征时间，对所述广义熵进行转换，得到转换后广义熵，每阶时间导数所对应的内部特征时间用于将各阶时间导数转换为相同量纲；
根据所述热通量以及所述转换后广义熵，确定所述目标对应关系。
4.如权利要求3所述的方法，其特征在于，根据所述热通量以及所述转换后广义熵，确定所述目标对应关系，具体包括：
根据所述热通量以及所述转换后广义熵，确定所述广义熵与所述目标结构件的热量之间的对应关系的二维形式；
将所述广义熵与所述目标结构件的热量之间的对应关系的二维形式转换为三维形式；
根据三维形式的所述广义熵与所述目标结构件的热量之间的对应关系以及热力学第二定律，得到所述目标对应关系。
5.如权利要求1所述的方法，其特征在于，根据所述热量信息所对应的热通量以及所述广义熵，确定在所述广义熵不为负熵的约束下，所述广义熵与所述目标结构件的热量之间的目标对应关系，具体包括：
根据所述热量信息所对应的热通量在所述目标结构件上每个面的分量、所述目标结构件的表面积、所述目标结构件上每个面的法向量以及所述广义熵，确定所述目标对应关系。
6.如权利要求1所述的方法，其特征在于，针对所述目标结构件中的每个参考点，该参考点对应的热力学耗散信息是根据该参考点本身的热力学力场以及该参考点预设邻域内其他参考点的热力学力场确定的。
7.如权利要求6所述的方法，其特征在于，根据所述热力学耗散信息以及所述热力学通量的分量，确定所述目标结构件对应的热传导本构模型，具体包括：
根据所述局部热力学耗散信息，确定所述预设邻域内所有参考点对应热力学立场的耗散分布泛函；
根据所述耗散分布泛函，确定所述耗散分布信息对应耗散分布泛函关于热力学力的导数与热力学通量间关系；
根据所述耗散分布泛函关于热力学力的导数与热力学通量间关系以及所述热力学通量的分类，确定所述目标结构件对应的热传导本构模型。
8.一种基于热传导本构模型的机器人结构件优化装置，其特征在于，包括：
获取模块，获取机器人的目标结构件在目标时间内产生的热量信息；
第一确定模块，根据所述热量信息以及所述目标时间，确定所述目标结构件对应的广义熵；
第二确定模块，根据所述热量信息所对应的热通量以及所述广义熵，确定在所述广义熵不为负熵的约束下，所述广义熵与所述目标结构件的热量之间的目标对应关系；
第三确定模块，根据所述目标对应关系以及基于所述目标对应关系确定出的热力学通量，确定所述目标结构件对应的全局热力学耗散信息以及每个参考点对应的局部热力学耗散信息；
第四确定模块，根据所述局部热力学耗散信息以及所述热力学通量的分量，确定所述目标结构件对应的热传导本构模型，所述热传导本构模型用于表征结构件达到热平衡所需的弛豫时间与所述目标结构件的微结构特征之间的对应关系；
优化模块，根据所述全局热力学耗散信息以及所述热传导本构模型，对所述目标结构件进行优化。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～7任一项所述的方法。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1～7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311219901.5A CN117131633B (zh) | 2023-09-20 | 2023-09-20 | 一种基于热传导本构模型的机器人结构件优化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311219901.5A CN117131633B (zh) | 2023-09-20 | 2023-09-20 | 一种基于热传导本构模型的机器人结构件优化方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117131633A true CN117131633A (zh) | 2023-11-28 |
| CN117131633B CN117131633B (zh) | 2024-04-05 |
Family
ID=88860068
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311219901.5A Active CN117131633B (zh) | 2023-09-20 | 2023-09-20 | 一种基于热传导本构模型的机器人结构件优化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117131633B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108108332A (zh) * | 2018-01-26 | 2018-06-01 | 浙江大学 | 一种基于广义流体力学非线性本构方程的耦合求解方法 |
| CN109492240A (zh) * | 2018-07-05 | 2019-03-19 | 浙江大学 | 一种基于二阶非线性本构模型的跨流域多尺度计算方法 |
| CN116227113A (zh) * | 2022-11-21 | 2023-06-06 | 清华大学 | 热力系统仿真的求解方法、装置、电子设备及介质 |
| CN116739404A (zh) * | 2023-03-30 | 2023-09-12 | 天津大学 | 一种综合能源系统熵态模型中网络化特征模块的构建方法 |
| CN117332523A (zh) * | 2023-09-27 | 2024-01-02 | 之江实验室 | 一种基于非局域时空模型的机器人结构件优化方法及装置 |
-
2023
- 2023-09-20 CN CN202311219901.5A patent/CN117131633B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108108332A (zh) * | 2018-01-26 | 2018-06-01 | 浙江大学 | 一种基于广义流体力学非线性本构方程的耦合求解方法 |
| CN109492240A (zh) * | 2018-07-05 | 2019-03-19 | 浙江大学 | 一种基于二阶非线性本构模型的跨流域多尺度计算方法 |
| CN116227113A (zh) * | 2022-11-21 | 2023-06-06 | 清华大学 | 热力系统仿真的求解方法、装置、电子设备及介质 |
| CN116739404A (zh) * | 2023-03-30 | 2023-09-12 | 天津大学 | 一种综合能源系统熵态模型中网络化特征模块的构建方法 |
| CN117332523A (zh) * | 2023-09-27 | 2024-01-02 | 之江实验室 | 一种基于非局域时空模型的机器人结构件优化方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| MAHAMAN-HABIBOU MAITOURNAM: "Entropy and temperature gradients thermomechanics: Dissipation, heat conduction inequality and heat equation", 《COMPTES RENDUS MÉCANIQUE》, vol. 340, no. 6, 30 June 2012 (2012-06-30), pages 434 - 443, XP028507883, DOI: 10.1016/j.crme.2012.04.001 * |
| 吴华 等: "广义热弹模型的热力学基础与瞬态响应", 《力学学报》, vol. 54, no. 10, 19 September 2022 (2022-09-19), pages 2796 - 2807 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117131633B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113589473B (zh) | 一种镜头模组的对焦方法、装置及设备 | |
| CN110134668B (zh) | 应用于区块链的数据迁移方法、装置和设备 | |
| CN117332523B (zh) | 一种基于非局域时空模型的机器人结构件优化方法及装置 | |
| CN117635822A (zh) | 一种模型训练的方法、装置、存储介质及电子设备 | |
| CN117409466B (zh) | 一种基于多标签控制的三维动态表情生成方法及装置 | |
| CN117131633B (zh) | 一种基于热传导本构模型的机器人结构件优化方法及装置 | |
| CN116776135B (zh) | 一种基于神经网络模型的物理场数据预测方法及装置 | |
| CN115990883B (zh) | 一种机器人的控制方法及装置 | |
| CN116107636B (zh) | 一种硬件加速方法、装置、存储介质及电子设备 | |
| CN116150563B (zh) | 一种业务执行方法、装置、存储介质及电子设备 | |
| CN116091895B (zh) | 一种面向多任务知识融合的模型训练方法及装置 | |
| CN117113892A (zh) | 一种功耗仿真的方法、装置、存储介质及电子设备 | |
| CN116302616A (zh) | 一种数据处理的方法、装置、存储介质及电子设备 | |
| CN117521452B (zh) | 一种基于时空有限元模型的机器人结构件优化方法及装置 | |
| CN116822138B (zh) | 火药燃气电导率的计算方法、装置和存储介质 | |
| CN114972909B (zh) | 一种模型训练的方法、构建地图的方法及装置 | |
| CN117873789B (zh) | 一种基于分段量化的检查点写入方法及装置 | |
| CN117870696B (zh) | 一种基于感知信息融合的路径导航方法、装置及电子设备 | |
| CN118364664B (zh) | 基于数字孪生仿真的卫星能源与温度状态预测方法和系统 | |
| CN117635708A (zh) | 一种位姿估计方法、装置、存储介质及电子设备 | |
| CN118603079B (zh) | 一种地磁导航的方法、装置、存储介质及电子设备 | |
| CN114520770B (zh) | 一种网络设备的拓扑图生成方法、装置、设备及介质 | |
| CN114283200B (zh) | 一种位姿确定方法、装置、存储介质及电子设备 | |
| CN116690575A (zh) | 一种基于手眼相机的无标定机械臂抓取方法和装置 | |
| CN117555239A (zh) | 一种宽速域飞行器纵向自适应控制方法、装置和存储介质 |
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 |