[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN113221278B - 一种车载光电平台照准架轻量化方法 - Google Patents

一种车载光电平台照准架轻量化方法 Download PDF

Info

Publication number
CN113221278B
CN113221278B CN202110528604.3A CN202110528604A CN113221278B CN 113221278 B CN113221278 B CN 113221278B CN 202110528604 A CN202110528604 A CN 202110528604A CN 113221278 B CN113221278 B CN 113221278B
Authority
CN
China
Prior art keywords
design
model
response surface
optimization
frame
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
CN202110528604.3A
Other languages
English (en)
Other versions
CN113221278A (zh
Inventor
刘星洋
翟尚礼
汪洋
孙宜斌
郑坚
朱伟
张超
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.)
Nanjing Laisi Electronic Equipment Co ltd
Original Assignee
Nanjing Laisi Electronic Equipment Co ltd
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 Nanjing Laisi Electronic Equipment Co ltd filed Critical Nanjing Laisi Electronic Equipment Co ltd
Priority to CN202110528604.3A priority Critical patent/CN113221278B/zh
Publication of CN113221278A publication Critical patent/CN113221278A/zh
Application granted granted Critical
Publication of CN113221278B publication Critical patent/CN113221278B/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]
    • G06F30/10—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
    • 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
    • G06F30/27—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
    • G06N3/12—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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • 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
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • 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
    • 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)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medical Informatics (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Biomedical Technology (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Graphics (AREA)
  • Body Structure For Vehicles (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明提供了一种车载光电平台照准架轻量化方法，包括：根据需求设计优化模型；进行参数化建模以及模型关联；网格划分并施加载荷和约束条件建立有限元模型，并进行静力学和模态分析；根据有限元分析结果进行灵敏度分析，并根据分析结果对优化模型进行改进；进行试验设计，构造响应面，进而进行优化设计。本发明能够在车载光电平台照准架设计过程中全面衡量各个因素对照准架综合性能的影响，实现多目标全局优化，在严格控制照准架重量的前提下，在最大程度上提升其动态性能，从而满足车载光电平台的使用需求。

Description

一种车载光电平台照准架轻量化方法
技术领域
本发明涉及一种车载光电平台优化设计方法，特别涉及一种车载光电平台照准架轻量化方法。
背景技术
车载光电平台可搭载红外、激光、可见光和微光等光电载荷形成不同类型的车载光电设备，用于目标动态测量，轨迹跟踪记录，侦察监视、定位通信，制导瞄准等领域。车载光电设备不仅具备常规光电设备高时域和频域分辨率的优势，还充分利用了载车高机动性的特性，极大增加了光电设备的生存能力和使用范围。
车载光电平台的工作环境复杂，在使用过程中会承受多种激励载荷，当这些载荷的频率与车载光电平台的结构固有频率接近时，平台容易产生共振，会严重影响其性能，因此需要保证车载光电平台具有良好的动态特性。
照准架是决定车载光电平台动态性能的核心零件，它作为光电平台的主体框架，承载着全部光电载荷以及俯仰轴系的重量，其力学性能直接关系到平台的固有特性，且照准架的重量在整机重量中的占比很大。因此，对照准架进行轻量化设计，在严格控制照准架重量的前提下尽可能提高结构的刚度和动态特性是非常必要的。
目前进行轻量化的主要途径包括：a)选用新材料；b)改进制造工艺；c)优化结构设计。由于新材料以及新工艺的革新周期比较长，在车载光电平台开发周期内对材料和制造工艺进行改进的可操作空间较小，因此结构上的优化设计是实现轻量化的主要途径。以往照准架的结构设计都是根据设计经验确定结构中加强筋、减重孔等的位置、尺寸和数量，缺乏理论指导，设计结果完全依赖于设计者水平，存在很大的局限性。另外一种普遍采用的优化手段(拓扑优化)会导致零件材料缺失、无法实际加工等问题，优化结果与实际零件存在较大的差别，只适用于初期结构形式的确定。
发明内容
为了摆脱对设计经验的过度依赖，克服拓扑优化的缺陷，实现对车载光电平台照准架的全局优化设计，本发明提出了一种车载光电平台照准架轻量化设计新方法。
本发明提出的一种车载光电平台照准架轻量化设计新方法包含以下步骤：
步骤1，优化模型设计：根据照准架的结构特点以及使用要求，确定优化目标、约束条件以及设计变量，进行优化模型设计；
步骤2，参数化建模：利用三维建模软件建立照准架模型，并将影响照准架动态性能和质量的尺寸参数化；
步骤3，模型关联：将参数化后的照准架模型与有限元分析软件关联；
步骤4，网格划分：利用有限元分析软件对对照准架模型进行网格划分；
步骤5，有限元分析：对划分完网格的照准架模型施加载荷和约束条件，并进行静力学分析和模态分析；
步骤6，灵敏度分析：分析确定各个设计变量对优化目标参数影响的灵敏度；
步骤7，优化模型改进：根据灵敏度分析结果调整设计变量，改进优化模型；
步骤8，试验设计：选取试验点，构造试验矩阵，对设计变量空间进行采样，为后续优化做准备；
步骤9，构造响应面：根据试验矩阵拟合优化目标与设计变量之间的函数关系，构造响应面，并对响应面的性能(精度和稳定性)进行评估，如果不满足要求，返回步骤8重新进行试验设计；
步骤10，优化设计：利用所构造的响应面探索变量空间内的满足优化目标和约束条件的设计变量的最优解；
步骤11，优化结果验证：根据优化确定的参数确定最终照准架模型，并对其进行静力学和动力学分析，验证照准架的固有频率、形变是否满足使用要求；如果照准架不满足使用要求，则返回步骤1重新进行设计；
步骤12，根据照准架最终模型设计图纸，进行加工生产。
步骤1中，以照准架一阶固有频率最大、质量最小为优化目标；设计变量主要选取整体尺寸(长、宽、高)、壁厚、加强筋尺寸和减重孔尺寸；约束条件则根据照准架的加工工艺性以及铸造工艺性要求确定。
步骤2中，将影响照准架动态性能和质量的尺寸参数化后，要将关联特征的尺寸利用参数化后的尺寸表达以实现关联驱动，避免参数尺寸变化导致模型失效的情形发生，为后续优化设计奠定基础。
进一步地，步骤2中，参数化建模过程中要删除倒角、圆角、退刀槽、销孔和螺纹孔特征，对模型进行简化来提高计算效率。
步骤3中，利用有限元分析软件内嵌的与三维建模软件的接口模块可实现参数化后的照准架模型与有限元分析软件的关联。关联后照准架模型可在建模软件和有限元分析软件中同步更新，从而减少了模型中间格式转换的过程。
步骤4对照准架进行网格划分，优选六面体单元，对于无法利用六面体单元进行网格划分的特征，可划分为四面体单元；为了保证运算速度，单元数量尽量控制在15万个以内，在计算机性能足够且有高精度计算需求的情况下，单元数量可大于该值。
步骤5中，对照准架模型分别施加自重载荷、惯性载荷、负载重力载荷以及固定约束条件，然后利用有限元分析软件中的求解器模块完成静力学分析和模态分析。
步骤6中，灵敏度分析可以从照准架的众多结构参数中筛选出对其质量和动态特性影响灵敏的参数，对该部分参数开展优化设计能够显著缩短优化周期，降低相关成本。
可选的，步骤6中可利用AnsysWorkbench中的Response Surface Optimization模块进行灵敏度分析。
步骤7中，根据灵敏度分析结果确定各个设计变量对优化目标的影响程度，并剔除优化模型中对优化目标影响小的设计变量，实现对优化模型的改进。
优选地，步骤8中，试验设计采用最优空间填充设计方法，能够保证任意两个试验点不共享设计空间的行或列，且通过最大化试验点之间的距离，获得均匀的试验点空间分布，从而实现对参数空间准确而快速的探索。
优选地，步骤9响应面采用遗传算法构建，可实现最佳响应面的自动选择、配置和生成，且所构建响应面具有高的可靠性。
进一步地，步骤9构建的响应面表述为不同初始模型的加权平均：
式中：是整体的预测；/>是第i个响应面的预测；x是优化设计变量；M是使用的初始模型的数量，M≥1；ωi是第i个响应面的权重因子。其中权重因子ωi满足如下条件：
且ωi≥0，1≤i≤M
更进一步地，权重因子ωi的最佳值可以通过最小化和/>来估算得到。其中/>是所有设计点对于/>的均方根误差，/>是所有设计点对于的交叉校验的均方根误差，二者的表达式如下：
其中：
式中：xj是第j个设计点；y是设计点处的实际值；是第i个响应面(通过去除第j个设计点构造)的预测；N是设计点的数量。
优选地，步骤10中，优化设计采用基于Pareto排序的多目标遗传算法。
本发明的有效增益包括：1)能够在严格控制重量的前提下尽可能提高车载光电平台照准架的刚度，从而提升其动态性能；2)能够在车载光电平台照准架设计过程中摆脱对设计经验的过度依赖，实现多目标全局优化；3)轻量化结果不存在材料不连续的问题，也不会增加照准架制造难度，是对拓扑优化方法的有效补充和完善；4)本发明提出的轻量化方法具有普遍适用性，能够推广应用于所有机械结构件的轻量化设计工作中。
附图说明
图1为本发明的一种车载光电平台照准架轻量化方法的设计流程图；
图2为本发明的一种实施例的二维模型及设计变量；
图3为本发明的一种实施例的针对一阶固有频率的灵敏度曲线；
图4为本发明的一种实施例的针对质量的灵敏度曲线；
图5为本发明的一种实施例的试验设计的变量空间；
图6为本发明的一种实施例的优化设计收敛曲线；
图7为本发明的一种实施例的优化前后模型对比。
具体实施方式
为进一步了解本发明的内容，下面结合附图和实施例对本发明作详细描述。
结合图1所示，本发明提出的一种车载光电平台照准架轻量化设计新方法包含以下步骤：
步骤1，优化模型设计：根据照准架的结构特点以及使用要求，确定优化目标、约束条件以及设计变量，进行优化模型设计；
步骤2，参数化建模：利用三维建模软件建立照准架模型，并将影响照准架动态性能和质量的尺寸参数化；
步骤3，模型关联：将参数化后的照准架模型与有限元分析软件关联；
步骤4，网格划分：利用有限元分析软件对对照准架模型进行网格划分；
步骤5，有限元分析：对划分完网格的照准架模型施加载荷和约束条件，并进行静力学分析和模态分析；
步骤6，灵敏度分析：分析确定各个设计变量对优化目标参数影响的灵敏度；
步骤7，优化模型改进：根据灵敏度分析结果调整设计变量，改进优化模型；
步骤8，试验设计：选取试验点，构造试验矩阵，对设计变量空间进行采样，为后续优化做准备；
步骤9，构造响应面：根据试验矩阵拟合优化目标与设计变量之间的函数关系，构造响应面，并对响应面的性能(精度和稳定性)进行评估，若不满足要求，返回步骤8重新进行试验设计；
步骤10，优化设计：利用所构造的响应面探索变量空间内的满足优化目标和约束条件的设计变量的最优解；
步骤11，优化结果验证：根据优化确定的参数确定最终照准架模型，并对其进行静力学和动力学分析，验证照准架的固有频率、形变是否满足使用要求；若照准架不满足使用要求，则返回步骤1重新进行设计；
步骤12，根据照准架最终模型设计图纸，进行加工生产。
结合图2所示，本实施例所示的车载光电平台照准架的设计变量分别为d1、d2、d3，优化目标为使得照准架的一阶固有频率f最大且其质量M最小，据此确定的优化模型为：
Find d＝[d1，d2，d3]
Min:{M(d1，d2，d3)}&Max:{f(d1，d2，d3)}
本实施例的照准架仿真模型删除了倒角、圆角、退刀槽、销孔和螺纹孔特征。
本实施例主要采用四面体单元进行了网格划分，划分的单元数量为33606个。
结合图3所示，本实施例利用AnsysWorkbench中的Response SurfaceOptimization模块就设计变量(d1、d2、d3)对照准架一阶固有频率f影响的灵敏度进行了分析。通过灵敏度曲线可知，设计变量d2、d3对照准架一阶固有频率f影响比设计变量d1的影响大，且d2与f正相关，而d3与f负相关。
结合图4所示，本实施例利用AnsysWorkbench中的Response SurfaceOptimization模块就设计变量(d1、d2、d3)对照准架质量M影响的灵敏度进行了分析。通过灵敏度曲线可知，设计变量d1、d2、d3与照准架质量M均正相关，且对照准架质量的影响程度为：d1<d2<d3。
结合图5所示，本实施例的试验设计采用最优空间填充设计方法，利用15个试验点实现了对参数空间准确而快速的探索。这15个试验点均匀分布在设计空间内，且任意两个试验点不共享设计空间的行或列。
本实施例的响应面采用遗传算法构建，可实现最佳响应面的自动选择、配置和生成，且所构建响应面具有高的可靠性。构建的响应面可以表述为不同初始模型的加权平均：
式中：是整体的预测；/>是第i个响应面的预测；x是优化设计变量；M是使用的初始模型的数量，M≥1；ωi是第i个响应面的权重因子。其中权重因子ωi满足条件：
权重因子ωi的最佳值可以通过最小化和/>来估算得到。其中是所有设计点对于/>的均方根误差，/>是所有设计点对于/>的交叉校验的均方根误差，二者的表达式如下：
其中：
式中：xj是第j个设计点；y是设计点处的实际值；是第i个响应面(通过去除第j个设计点构造)的预测；N是设计点的数量。
结合图6所示，本实施例的优化设计采用基于Pareto排序的多目标遗传算法。设置突变概率为0.01，交叉概率为0.98，收敛准则为：
1)最大允许Pareto百分比：75％；
2)收敛稳定性百分比：1％。
结合图7所示，本实施例的车载光电平台照准架模型经优化后，设计变量d1、d3减小，设计变量d2增大。优化后照准架的一阶固有频率提高了37.6％，而其质量仅增加了2.6％，综合性能有了显著提升。具体参数如下表1所示：
表1优化前后参数对比
对本实施例优化后的照准架进行进一步的验证，模态分析结果如下表2所示。通过模态分析结果可知，优化后的照准架一阶固有频率高于一般光电平台照准架的设计结果，使得车载光电平台具有更高的谐振频率，以满足速度回路带宽的要求，确保车载光电平台动态响应与伺服控制系统的要求相匹配。
表2优化后模型模态分析结果
本发明提供了一种车载光电平台照准架轻量化方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (1)

1.一种车载光电平台照准架轻量化方法，其特征在于，包括以下步骤：
步骤1，优化模型设计：根据照准架的结构特点以及使用要求，确定优化目标、约束条件以及设计变量，进行优化模型设计；
步骤2，参数化建模：利用三维建模软件建立照准架模型，并将影响照准架动态性能和质量的尺寸参数化；
步骤3，模型关联：将参数化后的照准架模型与有限元分析软件关联；
步骤4，网格划分：利用有限元分析软件对对照准架模型进行网格划分；
步骤5，有限元分析：对划分完网格的照准架模型施加载荷和约束条件，并进行静力学分析和模态分析；
步骤6，灵敏度分析：分析确定各个设计变量对优化目标参数影响的灵敏度；
步骤7，优化模型改进：根据灵敏度分析结果调整设计变量，改进优化模型；
步骤8，试验设计：选取试验点，构造试验矩阵，对设计变量空间进行采样，为后续优化做准备；
步骤9，构造响应面：根据试验矩阵拟合优化目标与设计变量之间的函数关系，构造响应面，并对响应面的性能进行评估，如果不满足要求，返回步骤8重新进行试验设计；
步骤10，优化设计：利用所构造的响应面探索变量空间内的满足优化目标和约束条件的设计变量的最优解；
步骤11，优化结果验证：根据优化确定的参数确定最终照准架模型，并对其进行静力学和动力学分析，验证照准架的固有频率、形变是否满足使用要求；如果照准架不满足使用要求，则返回步骤1重新进行设计；
步骤12，根据照准架最终模型设计图纸，进行加工生产；
步骤2中，将关键尺寸参数化后，要将关联特征的尺寸利用参数化后的尺寸表达以实现关联驱动；
步骤2中，参数化建模过程中要删除倒角、圆角、退刀槽、销孔和螺纹孔特征；
步骤8中，试验设计采用最优空间填充设计方法，能够保证任意两个试验点不共享设计空间的行或列，且通过最大化试验点之间的距离，获得均匀的试验点空间分布；
步骤9中，响应面采用遗传算法构建，实现最佳响应面的自动选择、配置和生成；
所述响应面表述为不同初始模型的加权平均：
式中：是整体的预测；/>是第i个响应面的预测；x是优化设计变量；M是使用的初始模型的数量，M≥1；ωi是第i个响应面的权重因子，其中权重因子ωi满足如下条件：
步骤10中，优化设计采用基于Pareto排序的多目标遗传算法。
CN202110528604.3A 2021-05-14 2021-05-14 一种车载光电平台照准架轻量化方法 Active CN113221278B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110528604.3A CN113221278B (zh) 2021-05-14 2021-05-14 一种车载光电平台照准架轻量化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110528604.3A CN113221278B (zh) 2021-05-14 2021-05-14 一种车载光电平台照准架轻量化方法

Publications (2)

Publication Number Publication Date
CN113221278A CN113221278A (zh) 2021-08-06
CN113221278B true CN113221278B (zh) 2024-01-23

Family

ID=77091985

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110528604.3A Active CN113221278B (zh) 2021-05-14 2021-05-14 一种车载光电平台照准架轻量化方法

Country Status (1)

Country Link
CN (1) CN113221278B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113609738A (zh) * 2021-08-11 2021-11-05 上海交通大学 导弹箱体轻量化设计方法
CN114406203B (zh) * 2021-12-29 2022-08-26 淄博水环真空泵厂有限公司 一种预控制动平衡的转子铸造工艺

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003288579A (ja) * 2001-07-27 2003-10-10 National Institute Of Advanced Industrial & Technology 最適フィッティングパラメータ決定方法および装置、並びに最適フィッティングパラメータ決定プログラム
JP2017010544A (ja) * 2015-06-16 2017-01-12 富士通株式会社 多目標最適化方法及び装置
CN106678265A (zh) * 2017-01-20 2017-05-17 长春通视光电技术有限公司 适用于车载光电转台的自定心锁紧减振装置
CN109255144A (zh) * 2018-07-09 2019-01-22 南京航空航天大学 一种起落架刹车构件轻量化设计方法
CN110210134A (zh) * 2019-06-04 2019-09-06 合肥工业大学 一种白车身结构优化设计方法及结构优化设计装置
CN110348088A (zh) * 2019-06-28 2019-10-18 南京理工大学 基于代理模型的轻量化车身结构多目标优化方法
WO2020023811A1 (en) * 2018-07-27 2020-01-30 Siemens Aktiengesellschaft 3d object design synthesis and optimization using existing designs
CN111597654A (zh) * 2020-05-13 2020-08-28 北京航空航天大学 一种复杂截面形状的铝合金型材车载水箱护栏优化设计方法
CN111611732A (zh) * 2020-04-17 2020-09-01 中国计量大学上虞高等研究院有限公司 一种变速器箱体轻量化优化方法
CN112084708A (zh) * 2020-09-04 2020-12-15 西南交通大学 一种基于响应面和遗传算法的agv系统优化配置方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4627674B2 (ja) * 2005-03-24 2011-02-09 株式会社山武 データ処理方法及びプログラム

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003288579A (ja) * 2001-07-27 2003-10-10 National Institute Of Advanced Industrial & Technology 最適フィッティングパラメータ決定方法および装置、並びに最適フィッティングパラメータ決定プログラム
JP2017010544A (ja) * 2015-06-16 2017-01-12 富士通株式会社 多目標最適化方法及び装置
CN106678265A (zh) * 2017-01-20 2017-05-17 长春通视光电技术有限公司 适用于车载光电转台的自定心锁紧减振装置
CN109255144A (zh) * 2018-07-09 2019-01-22 南京航空航天大学 一种起落架刹车构件轻量化设计方法
WO2020023811A1 (en) * 2018-07-27 2020-01-30 Siemens Aktiengesellschaft 3d object design synthesis and optimization using existing designs
CN110210134A (zh) * 2019-06-04 2019-09-06 合肥工业大学 一种白车身结构优化设计方法及结构优化设计装置
CN110348088A (zh) * 2019-06-28 2019-10-18 南京理工大学 基于代理模型的轻量化车身结构多目标优化方法
CN111611732A (zh) * 2020-04-17 2020-09-01 中国计量大学上虞高等研究院有限公司 一种变速器箱体轻量化优化方法
CN111597654A (zh) * 2020-05-13 2020-08-28 北京航空航天大学 一种复杂截面形状的铝合金型材车载水箱护栏优化设计方法
CN112084708A (zh) * 2020-09-04 2020-12-15 西南交通大学 一种基于响应面和遗传算法的agv系统优化配置方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
刘仲宇 ; 张涛 ; 李嘉全 ; 李明 ; 王帅 ; .超小型无人机光电稳定平台照准架的结构优化设计.南京航空航天大学学报.2013,(01),全文. *
刘铁军.高精度空间二维转台轻量化结构设计与分析.《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》.2013,(第S2期),摘要，正文第20-34页. *
空间二维转台照准架的结构优化设计;张永强，刘朝晖，李治国，谢友金;《红外与激光工程》;第46卷(第S1期);全文 *
超小型无人机光电稳定平台照准架的结构优化设计;刘仲宇;张涛;李嘉全;李明;王帅;;南京航空航天大学学报(01);全文 *
高精度空间二维转台轻量化结构设计与分析;刘铁军;《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》(第S2期);摘要，正文第20-34页 *

Also Published As

Publication number Publication date
CN113221278A (zh) 2021-08-06

Similar Documents

Publication Publication Date Title
CN113221278B (zh) 一种车载光电平台照准架轻量化方法
CN102508692B (zh) 临近空间飞行器控制方法仿真与验证方法
CN111027110A (zh) 一种连续体结构拓扑与形状尺寸综合优化方法
CN108416083B (zh) 一种高耸电视塔结构二维动力模型分析方法及系统
CN103678762A (zh) 优化的复合材料机翼气动弹性风洞模型的缩比建模方法
CN111691679A (zh) 基于数字孪生的预应力钢结构智能张拉方法
CN115270239A (zh) 基于动力特性和智能算法响应面法的桥梁可靠性预测方法
CN111680823A (zh) 一种风向信息预测方法及系统
CN117725859A (zh) 飞机疲劳损伤关键部位的疲劳裂纹扩展预测方法及系统
CN117252863A (zh) 一种地理信息异常数据快速检测分析方法
KR102480382B1 (ko) 인공지능 기반 풍하중 산정 시스템
CN115906303A (zh) 一种基于机器学习的平面微波滤波器设计方法及装置
Amrit et al. Design strategies for multi-objective optimization of aerodynamic surfaces
CN112487716B (zh) 蜂群无人机平均故障间隔时间的确定方法及系统
CN114676522A (zh) 融合gan和迁移学习的气动形状优化设计方法及系统及设备
CN111222669A (zh) 一种架空线路造价预测方法及装置
CN108362307B (zh) 星敏感器在轨姿态测量精度主成分因素的确定方法
CN113722951B (zh) 基于神经网络的散射体三维有限元网格优化方法
Amrit et al. Efficient multi-objective aerodynamic optimization by design space dimension reduction and co-kriging
CN115034015A (zh) 一种办公塔楼结构系统多级优化方法
CN110851904B (zh) 一种外框内筒电视塔结构参数灵敏度快速分析方法及系统
CN113673166A (zh) 面向加工质量预测的数字孪生模型工况自适应方法及系统
CN114547761A (zh) 一种基于高精度模型的预制构件钢筋优化方法及系统
CN109711030B (zh) 一种基于不完备数据的有限元模型修正方法
CN114880792A (zh) 一种基于形变预测的全方位多角度优化方法

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