【技術實現步驟摘要】
本專利技術屬于無人機領域，具體而言，涉及無人機圓柱殼型吸能元件的吸能特性預測和優化方法。
技術介紹
1、吸能元件在吸收碰撞沖擊的動能和減緩加速度方面起著重要作用，廣泛應用于飛行器和車輛防護設計中。由于吸能元件破壞吸能的過程是一個高度非線性的過程，傳統的預測方法，如實驗測量、理論模型和數值模擬等，都存在一定的不足，如在實驗測量時需要大量的時間和費用，而且測量結果受實驗條件的影響，其理論模型過于理想化，通常僅能給出其吸能的上限，對實際具體工況下的預測不夠準確，數值模擬則需要大量的計算量和計算資源，而且受材料模型和破壞模式準確度和適用性的影響，結果往往需要校正。
2、近年來，神經網絡作為一種人工智能技術，在其它預測方面取得了廣泛的應用和較好的效果，它能夠模仿人腦神經系統，根據輸入的數據進行學習、訓練和預測。因此，為了更快速地預測吸能元件的吸能特性，本專利技術提出了利用神經網絡技術來解決傳統的預測方法中所遇到的問題，同時，遺傳算法作為一種可靠實用的優化算法，將其與神經網絡相結合，可以快速有效地根據設計需求找到優化設計方案，提高了吸能元件設計效率和產品質量。
技術實現思路
1、針對以上缺陷，本專利技術提供了無人機圓柱殼型吸能元件的吸能特性預測和優化方法，包括以下步驟：
2、s1、構建有限元模型并計算得出數據集；
3、s1-1、建立圓柱殼型的吸能元件和一個位于其頂部的剛性平板的有限元模型，并設置有限元模型的材料參數；
4、s1-2、根據步驟s1-
5、s1-3、將步驟s1-2中得到的數據集進行歸一化處理后分割為訓練數據集、驗證數據集和測試數據集；
6、s2、構建并訓練神經網絡模型；
7、s2-1、構建的神經網絡模型包括單層輸入層、雙層隱藏層和單層輸出層；
8、s2-2、采用反向傳播法通過步驟s1-3中的訓練數據集對步驟s2-1中構建的神經網絡模型進行訓練，得到具備預測吸能效率能力的神經網絡模型；
9、s2-3、對步驟s2-2中得到的神經網絡模型通過測試數據集進行測試并進行判定，得到預測結果；
10、s3、通過遺傳算法對吸能元件優化，并對優化后的吸能元件進行吸能預測和性能判定；
11、s3-1、確定所需的吸能元件的性能指標，設置優化的目標函數：
12、；
13、上述公式中，y是目標函數，取值在[0,1]區間，是權重系數，取值在[0,1]區間，和分別是吸能量和吸能元件材料的密度；
14、s3-2、采用遺傳算法，對步驟s1-2中的材料參數按照以下函數進行優化：
15、；
16、上述公式中，fitness(y)為個體的適應度，y是目標函數，取值在[0,1]區間，ymin是所有種群中目標函數的最小值；
17、s3-3、將步驟s2中得到的神經網絡模型對步驟s3-2得到的定義后的吸能元件進行吸能預測并進行反復的迭代計算，得到用于判定的吸能元件。
18、進一步地，所述步驟s1-1中的剛性平板與吸能元件之間設置接觸且未相互穿透，所述吸能元件設置自接觸。
19、進一步地，所述步驟s1-2中的材料參數包括密度、彈性模量、屈服強度、強化模量和失效應變，分別取值后進行組合，再分別對不同組合進行有限元計算，獲得峰值壓潰力、平均壓潰力、吸能效率、吸能量和比吸能這5個吸能特性值為：
20、；
21、；
22、；
23、；
24、；
25、上述公式中，pcf?為峰值壓潰力，mcf為平均壓潰力的值，cfe為吸能效率的值，ea為吸能量的值，sea為比吸能的值，f（x）為載荷，x為壓潰位移，a為有效壓潰距離。
26、進一步地，所述步驟s1-3中的訓練數據集、驗證數據集和測試數據集分割比例為6:2:2，且歸一化這5個吸能特性值的區間均為[0,1]。
27、進一步地，所述步驟s2-3中預測結果的判定標準為：平均預測誤差是否小于10%，若小于10%則判定為通過，若大于10%則判定為不通過，并返回至步驟s2-2繼續訓練。
28、本專利技術與現有技術相比具有以下有益效果：
29、在神經網絡訓練完成后，只需輸入吸能元件使用的材料參數，即可實時得到吸能元件的吸能效率預測結果，大大提高了設計效率，且保證了準確性，可應用于工程實踐；
30、同時可以快速有效預測吸能元件的吸能效率，并根據不同設計需求找到優化設計方案，即提高了無人機的設計效率和產品質量，有助于提高無人機的安全性。
本文檔來自技高網...【技術保護點】
1.無人機圓柱殼型吸能元件的吸能特性預測和優化方法，其特征在于：包括以下步驟：
2.如權利要求1所述的無人機圓柱殼型吸能元件的吸能特性預測和優化方法，其特征在于：所述步驟S1-1中的剛性平板與吸能元件之間設置接觸且未相互穿透，所述吸能元件設置自接觸。
3.如權利要求1所述的無人機圓柱殼型吸能元件的吸能特性預測和優化方法，其特征在于：所述步驟S1-2中的材料參數包括密度、彈性模量、屈服強度、強化模量和失效應變，分別取值后進行組合，再分別對不同組合進行有限元計算，獲得峰值壓潰力、平均壓潰力、吸能效率、吸能量和比吸能這5個吸能特性值，依次定義為：
4.如權利要求3所述的無人機圓柱殼型吸能元件的吸能特性預測和優化方法，其特征在于：所述步驟S1-3中的訓練數據集、驗證數據集和測試數據集分割比例為6:2:2，且歸一化這5個吸能特性值的區間均為[0,1]。
5.如權利要求1所述的無人機圓柱殼型吸能元件的吸能特性預測和優化方法，其特征在于：所述步驟S2-3中預測結果的判定標準為：平均預測誤差是否小于10%，若小于10%則判定為通過，若大于10%則判
...【技術特征摘要】
1.無人機圓柱殼型吸能元件的吸能特性預測和優化方法，其特征在于：包括以下步驟：
2.如權利要求1所述的無人機圓柱殼型吸能元件的吸能特性預測和優化方法，其特征在于：所述步驟s1-1中的剛性平板與吸能元件之間設置接觸且未相互穿透，所述吸能元件設置自接觸。
3.如權利要求1所述的無人機圓柱殼型吸能元件的吸能特性預測和優化方法，其特征在于：所述步驟s1-2中的材料參數包括密度、彈性模量、屈服強度、強化模量和失效應變，分別取值后進行組合，再分別對不同組合進行有限元計算，獲得峰值壓潰力、平均壓潰力、吸...
【專利技術屬性】
技術研發人員：丁夢龍，馮傳宴，邵林濤，孟莉，耿直，高世民，李道春，周堯明，嚴德，屠展，
申請(專利權)人：天目山實驗室，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。