Bipod反射镜支撑结构的柔度计算及分析

为了改善反射镜在环境温度波动情况下的面形精度下降问题,设计了一种联杆型双轴Bipod柔性支撑结构,并基于柔度理论对它进行了参量优化。首先,对支撑结构的柔度进行了分析和计算,推导出柔性支腿以及反射镜组件的柔度理论公式。然后,以保证反射镜轴向支撑刚度和卸载能力为目的,计算得到一组针对口径为200mm反射镜的柔性支撑结构尺寸参数。最后,通过有限元分析和振动试验,对支撑结构的柔度公式、动态特性、温度适应性进行了分析验证。分析结果显示,在一定作用力下,柔性支腿的理论值与有限元分析值的误差在10%以内;振动试验得到组件的一阶频率为358.5Hz,与理论计算值的相对误差为8.8%;在20℃温差下,反射镜面形精度为7.7nm(rms)。试验结果验证了理论模型的有效性,同时说明Bipod柔性支撑结构能够降低温度波动对反射镜面形的影响。     

神经网络与进化策略在结构优化设计中的结合

利用BP神经网络对有限元计算出的样本数据训练出一种参数映射关系，从而获得进化策略求解结构优化问题的目标函数值，进一步获得问题的优化解，5杆结构表明此方法使用较少的有限元分析次数就能有效地求出最优解。     

大口径反射镜水银带支撑结构物理参数分析

针对大口径反射镜在竖直状态下工作的情况,用有限元方法对水银带支撑结构的物理参数如带宽、支撑位置在理论上予以分析.在具体的优化计算过程中,以镜面RMS值为目标函数,考查、修改支撑结构的带宽、位置,最终确定了可获得理想面形的水银带支撑结构.分析结果表明将该水银带支撑方案应用于大口径反射镜具有可行性,并为水银带支撑结构物理参数的确定提供了数值依据.     

利用神经网络实现复杂结构的多目标优化设计

结构优化设计中常常包含大量的有限元计算。现代多目标优化设计的发展趋势是以 Pareto遗传算法为代表的随机搜索方法 ,能够搜索到整个 Pareto最优解集 ,但计算量相当大 ,如果每次迭代都要涉及有限元计算 ,将是非常耗时的工作。本文在利用 Kolm ogorov多层神经网络映射存在定理的基础上导出的用神经网络进行结构近似分析的方法 ,用均匀试验设计方法选取特征样本点供神经网络训练 ,将神经网络与 Pareto遗传算法有机地结合 ,使多目标优化的计算效率进一步提高     

大口径离轴长条形反射镜的检测支撑机构

针对大口径离轴长条形反射镜光轴水平向检测的需要,设计了一套检测支撑结构。优化了结构参数,实现了由支撑结构引起的镜面面形误差最小化。通过比较长条形反射镜光轴水平向检测支撑的级联多点支撑结构,选择了结构简单、扩展性和调整性优良的两点单层固定支撑结构。利用集成仿真与优化方法,分析计算反射镜镜面面形误差随支撑间隔的变化趋势,确定了最优支撑间隔。最后,利用干涉仪结合补偿器的检测方式,对不同支撑间隔工况下镜面面形进行检测,验证了仿真分析的可靠性。结果表明:在支撑间隔为564mm时,由检测支撑引起的镜面面形误差最小(RMS=8.26nm),干涉检测得到的镜面面形误差随支撑间隔的变化趋势与仿真得到的趋势相符,仿真结果可靠性高。提出的方法可实施性好,可推广到其他大口径离轴长条形反射镜的设计和检测中,为离轴三反(TMA)相机的设计提供技术基础。     

空间相机1 m口径反射镜组件结构设计

针对1 m口径空间相机反射镜的设计要求,提出了一种新的反射镜柔性支撑结构.以材料选择、径厚比、支撑点数量和位置、轻量化结构形式等为设计变量,以自重作用下反射镜面形精度rms值为目标函数,优化设计了一种背部开口、三角形轻量化孔、背部三点支撑的SiC空间反射镜结构,同时提出了一种反射镜柔性支撑结构.对反射镜在光轴水平状态下进行装调检测时影响反射镜面形精度的柔性支撑结构参数进行了灵敏度分析,找到了影响反射镜面形精度的结构参数.对反射镜组件动、静态特性和热特性进行了有限元分析,分析结果表明,光轴水平方向重力载荷作用下反射镜面形精度rms达到5.6nm,4℃均匀温升工况下反射镜面形rms为2.7 nm,反射镜组件一阶固有频率为192Hz.最后,进行了反射镜组件的动力学测试试验,测得反射镜组件一阶固有频率为197 Hz,最大响应应力为181MPa,验证了有限元分析的准确性.得到的结果显示该反射镜组件完全满足设计指标要求.     

基于遗传算法和神经网络算法的吊车结构优化设计与实现

论文综合利用BP神经网络、遗传算法有限元法以及正交试验法对吊车结构系统进行优化研究。利用遗传算法和BP神经网络建立复杂结构系统动态优化的计算模型,该模型可代替系统原来的有限元模型。首先对吊车起重机结构系统进行模态分析及谐响应动力学分析,找出对结构动态特性影响最大的模态频率,再利用灵敏度分析,确定对动态特性较敏感的设计变量作为神经网络的输入变量,并利用正交试验法确定神经网络训练样本,用有限元模型计算出样本点数据,建立反映结构振动特性的人工神经网络模型,最后利用遗传算法对所建立的神经网络模型寻优,得到使结构动态性能最优的设计参数。     

基于遗传算法和神经网络的塔机结构动态优化设计

利用遗传算法和BP神经网络建立复杂结构系统动态优化的计算模型,该模型可代替系统原来的有限元模型,用于振动系统的快速重分析。首先对塔式起重机结构系统进行模态分析及谐响应动力学分析,找出对结构动态特性影响最大的模态频率,再利用灵敏度分析,确定对动态特性较敏感的设计变量作为神经网络的输入变量,并利用正交试验法确定神经网络训练样本,用有限元模型计算出样本点数据,建立反映结构振动特性的人工神经网络模型,最后利用遗传算法对所建立的神经网络模型寻优,得到使结构动态性能最优的设计参数。     

采用三点定位原理的反射镜支撑结构设计

在选择空间反射镜的支撑形式时,大口径反射镜一般采用柔性支撑结构加背板的支撑结构;小尺寸反射镜采用周边支撑的结构,但支撑结构质量都较大。为了降低反射镜支撑结构质量,通过对三点定位原理的自由度分析,设计了3个柔性铰链结构,通过柔性铰链的结构参数分析及有限元分析计算,设计出参数为R=1mm,t=2.5mm的三点柔性铰链,实现400mm口径反射镜的周边支撑,并使支撑反射镜的三个铰链直接与相机机身连接,省略了常规反射镜支撑的背板及边框,大大降低支撑结构质量;且该支撑结构具有较好的动态刚度和力、热环境适应能力。     

基于响应面法的高温应变计敏感栅结构优化研究

高温应变计是航空发动机重要的研保条件,为满足其更高的使用要求,对高温应变计敏感栅结构参数进行了优化。 首 先,采用有限元计算方法分析了考虑温度误差后敏感栅栅丝长度、栅丝间距和栅丝弯数对测量误差和疲劳寿命的影响;然后,基 于响应面法建立了测量误差和疲劳寿命响应面模型,利用多目标灰狼算法进行了结构参数优化设计,得到了 Pareto 最优解集; 最后,根据优化结果制备高温应变计进行了高温振动疲劳试验。 研究结果表明,不同参数组合的敏感栅结构对高温应变计的性 能影响不同。 结合高温应变计制备需求与性能对比来评估得到的 Pareto 最优解集,得到了一个最优敏感栅结构。 高温下优化 后的应变计疲劳寿命较优化前相比提升了 30. 4% ,优化效果显著。     

基于神经网络的唇封结构优化方法

旋转唇形密封广泛用于机械行业,其密封圈的设计合理性直接影响着密封性能。采用有限元仿真、数值仿真等技术,研究唇口各个关键参数对密封圈性能的影响规律,并结合深度学习技术,利用Pytorch框架搭建出唇封性能神经网络预测模型,拟合出唇封各相关结构参数和其密封性能(泄漏率、摩擦力)之间的影响规律;利用建立的模型在参数空间中找到密封性能最优的一组参数值,通过经典唇封数值仿真技术验证该神经网络模型的准确性,提高了唇封结构优化设计效率。结果表明,基于Pytorch框架所搭建的非线性人工神经网络可建立精度较高的唇封结构参数和密封性能的非线性映射关系,利用这种方法可以快速找到优化程度更高的唇封结构参数,提高了唇封结构优化设计效率。     

用神经网络综合诊断起重机筒形支柱的损伤

应用有限元仿真技术和人工神经网络模型，以反映结构损伤程度的固有频率和损伤的频率下降率作为神经网络输入的特征参数，对门座起重机筒形支柱上出现的裂纹损伤长度和位置进行了综合诊断和预测分析。结果表明：该技术的应用是切实可行的。     

基于神经网络的多点柔性夹具横梁结构优化

研究了神经网络在多点柔性夹具横梁结构优化中的应用。横梁结构与最大变形量间为复杂的非线性关系或隐函数关系,且单一的有限元分析工作复杂,计算耗时大。在有限元与数学规划法基础上利用人工神经网络进行横梁结构分析,并通过测试比较从BP、Elman和RBF神经网络中选取性能较好的神经网络,实现了横梁质量的最优化,节省了计算时间。     

航空遥感相机扫描反射镜支撑技术

从保证扫描反射镜成像质量及功能的角度出发,介绍了扫描反射镜及其支撑结构材料的选取原则;探讨了扫描反射镜的支撑方式,以及各种支撑方式的适用范围;针对面型精度要求较高的反射镜,提出了柔性支撑结构的设计思想.通过CAD/CAE工程分析软件,在各种情况下,对采用柔性支撑结构前后的反射镜组件进行分析,由有限元模型变形情况的对比分析,可以验证此种柔性支撑结构的有效性.最终通过相机的外场试验,由相机的成像质量确定了反射镜支撑结构的可靠性.     

1.2m望远镜次镜支撑结构设计

研制了一个用于1.2m望远镜的次镜支撑结构,以满足其对刚度和伺服系统带宽的要求。首先,对影响主镜遮拦和支撑系统刚度的四翼梁进行研究。使用动力学建模方法,初选四翼梁结构的参数。然后在ANSYS中建立有限元模型,进行静力学和模态分析。最后,使用试验模态分析法测试设计的支撑结构。有限元分析显示,设计的结构受重力影响会引入0.004 2λ的切向彗差,第一阶模态频率约为57.2Hz。试验模态分析显示,系统第一阶谐振频率为54.1Hz,与理论分析和有限元分析结果一致。实验结果与仿真结果对比后显示:归一化的振型向量中叶片结构振幅较小时,实验模态较难提取,且实验结果略小于有限元分析结果,最大相对误差约为7%。设计的次镜支撑结构遮拦小、刚度好,满足使用要求。     

1.2m SiC主镜轻量化设计与分析

为了探索研究大口径轻量化SiC主镜的可行性,对比分析了各种主镜轻量化形式的优缺点,确定了主镜的支撑方式;然后,从理论上计算了轻量化镜体结构参数,设计了采用夹心三明治结构扇形轻量化孔形式的1.23 m SiC轻量化主镜.利用有限元方法分析了轻量化主镜在浮动支撑下的自重变形,两种工况下的面形分别为:PV=9.43 nm,RMS=2.5 nm;PV=16.7 nm,RMS=3.2 nm.分析结果表明,镜体的自重变形影响较小,可以满足要求.而由于SiC的热膨胀系数较大,热变形影响较大,在稳态温度场下,温度每相差1 ℃,镜面面形变化约为PV=40 nm,RMS=4.8 nm,说明为了达到了设计要求,必须对镜体采取热控措施.     

基于反演识别法的有限元模型校正

提出了一种在动态分析中对机构的结合面进行参数识别的方法。建立机械结构的有限元模型并将其关键结合面以弹簧-阻尼单元代替,将模态计算的结果与实验结果相结合建立目标函数;通过BP神经网络拟合、遗传算法参数寻优,得出最优结合面参数。以立式圆台磨床为例,运用该方法,对其结合面参数进行了识别。结果表明,通过该方法进行有限元模型中结合面参数的识别是可行的。     

基于遗传算法和BP神经网络的裙座锻造结构优化设计

裙座锻造结构几何参数是影响其力学性能指标的重要因素,它们之间的关系既无先验公式表征,又为非线性,一般采用分析设计方法,但耗时长也未必达到优化目的。神经网络法具有超强非线性映射能力,可自动总结出数据之间的函数关系,遗传算法可多点群体搜索,并可不陷入局部最优点。利用正交试验法确定神经网络训练样本,用有限元模型计算出样本点数据,建立反映结构特性的人工神经网络模型。最后用遗传算法对所建立的神经网络模型寻优,得到较好的结果。     

混合式步进电动机结构参数智能协同优化

为了探究混合式步进电动机关键结构参数对其静态转矩的影响规律,找寻最优设计方案,提出一种基于正交试验、反向传播(Back Propagation,BP)神经网络和遗传算法的智能协同优化方法。通过对电机的磁路分析与ANSYS Maxwell-3D有限元仿真,讨论了电机结构和运行参数对输出转矩的影响,并据此对电机的气隙g、齿宽比b_t/t、齿高h_t和转子壁厚h_r进行协同优化,采用电机的最大静转矩T_m作为优化目标,运用智能协同优化方法得到最优解,并对优化结果进行有限元验证。结果表明:优化结果与仿真结果相近,最大静态转矩相对误差为4.8%,最优结构参数为:g=0.1 mm,b_t/t=0.37,h_t=0.84 mm,h_r=2.5 mm。