基于新型粒子群算法的结构动力学热振模型修正

doi:10.7527/S1000-6893.2022.26559

固体力学与飞行器总体设计

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

基于新型粒子群算法的结构动力学热振模型修正

王震宇¹^,², 王计真³, 杨婧艺¹^,², 何鹏远¹^,², 潘成浩¹^,², 周凌波⁴, 何成⁵, 何欢¹^,²()

^1.南京航空航天大学机械结构力学及控制国家重点实验室，南京 210016
^2.南京航空航天大学振动工程研究所，南京 210016
^3.中国飞机强度研究所结构冲击动力学航空科技重点实验室，西安 710065
^4.中国船舶科学研究中心船舶振动噪声重点实验室，无锡 214082
^5.南京航空航天大学无人机研究院，南京 210016

收稿日期:2021-10-25 修回日期:2022-02-11 接受日期:2022-03-15 出版日期:2023-04-15 发布日期:2022-03-22
通讯作者: 何欢 E-mail:hehuan@nuaa.edu.cn
基金资助:
国家自然科学基金(12072153);江苏高等学校重点学术项目发展与机械结构力学与控制国家重点实验室研究基金（南京航空航天大学）(MCMS-I-0121G01)

Dynamics model updating of structures at high temperature based on novel particle swarm optimization algorithm

Zhenyu WANG¹^,², Jizhen WANG³, Jingyi YANG¹^,², Pengyuan HE¹^,², Chenghao PAN¹^,², Lingbo ZHOU⁴, Cheng HE⁵, Huan HE¹^,²()

^1.State Key Laboratory of Mechanics and Control of Mechanical Structures，Nanjing University of Aeronautics and Astronautics，Nanjing 210016，China
^2.Institute of Vibration Engineering Research，Nanjing University of Aeronautics and Astronautics，Nanjing 210016，China
^3.Key Laboratory of Aviation Science and Technology on Structures Impact Dynamics，China Aircraft Strength Research Institute，Xi’an 710065，China
^4.National Key Laboratory on Ship Vibration & Noise，China Ship Scientific Research Center，Wuxi 214082，China
^5.Research Institute of Unmanned Aircraft，Nanjing University of Aeronautics and Astronautics，Nanjing 210016，China

Received:2021-10-25 Revised:2022-02-11 Accepted:2022-03-15 Online:2023-04-15 Published:2022-03-22
Contact: Huan HE E-mail:hehuan@nuaa.edu.cn
Supported by:
National Natural Science Foundation of China(12072153);the Priority Academic Program Development of Jiangsu Higher Education Institutions and the Research Fund of State Key Laboratory of Mechanics and Control of Mechanical Structures （Nanjing University of Aeronautics and astronautics）(MCMS-I-0121G01)

摘要/Abstract

摘要：

提出一种基于新型粒子群算法的结构动力学热振模型修正方法，并成功应用于高温环境下典型复杂多组件结构的模型修正问题。为了克服粒子群算法解决模型修正等非线性优化问题时早熟收敛的缺点，联合莱维飞行策略和正交学习方法提出莱维正交学习粒子群优化算法；将该新型方法和其他优化算法应用于修正轴系轴承-轴承座的等效刚度和阻尼参数进行对比分析，结果证明该新型算法具有更高的精度；针对典型复杂多组件结构在高温环境下的振动实验进行模型修正，修正后不同温度环境下各阶模态频率误差均下降到7%以内，有限元模型精度得到极大提高，表明该新型算法可以有效应用于工程实际。

关键词: 粒子群算法, 莱维飞行, 正交学习, 高温环境, 有限元, 模型修正

Abstract:

A dynamics model updating method for structures in high temperature environments based on a novel Particle Swarm Optimization （PSO） algorithm is proposed and successfully applied to the updating of the Finite Element （FE） model of a typical complex multi-component structure. The LOPSO algorithm was first designed by combining the Lévy flight strategy and the orthogonal learning method to overcome premature convergence while the PSO solves nonlinear optimization problems such as parameter identification and model updating. Then the proposed method was used to update the equivalent stiffness and damping parameters of shafting bearings. It is proved that the new algorithm has higher accuracy. Finally， we updated the FE model of a typical complex multi-component structure in high temperature environment based on the vibration experiment by the LOPSO method. After updating， the errors of the main modal frequencies in different temperature environments were reduced to less than 7%. The accuracy of the FE model was significantly improved， verifying the effectiveness of the proposed method and its applicability to engineering problems.

Key words: particle swarm optimization, Lévy flight, orthogonal learning, high temperature, finite element (FE), model updati

中图分类号:

V219

王震宇, 王计真, 杨婧艺, 何鹏远, 潘成浩, 周凌波, 何成, 何欢. 基于新型粒子群算法的结构动力学热振模型修正[J]. 航空学报, 2023, 44(7): 226559.

Zhenyu WANG, Jizhen WANG, Jingyi YANG, Pengyuan HE, Chenghao PAN, Lingbo ZHOU, Cheng HE, Huan HE. Dynamics model updating of structures at high temperature based on novel particle swarm optimization algorithm[J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2023, 44(7): 226559.

图/表 16

图 1

图 2

表 1

图 3

表 2

图 4

图 5

图 6

图 7

图 8

图 9

图 10

表 3

不确定的材料参数

弹性模量参数	连接部位
$E R 1$	飞翼与其支座连接部分
$E R 2$	飞翼支座下部
$E W 1$	舵面底部与其支座连接部分
$E W 2$	舵面支座
$E M 1$	头部与二舱连接处
$E M 2$	二舱与三舱连接处
$E M 3$	三舱与四舱连接处
$E M 4$	四舱与尾舱连接处
$E F 1$	整流罩主体
$E F 2$	整流罩连接块

表 3

图 11

表 4

表 5

单元弹性模量修正情况

温度/℃	$E R 1$ /MPa	$E R 2$ /MPa	$E W 1$ /MPa	$E W 2$ /MPa	$E F 1$ /MPa
14	8 808.15	27 217.26	54 322.74	27 578.87	132 950.17
300	9 003.25	25 600.99	52 051.43	27 808.52	151 922.81
500	9 123.10	24 564.37	49 511.16	28 010.04	165 139.50

表 5

参考文献 27

1	LIGUORE S， TZONG G. Identification of knowledge gaps in the predictive capability for response and life prediction of hypersonic vehicle structures［C］∥52nd AIAA/ASME/ASCE/AHS/ASC Structures， Structural Dynamics and Materials Conference. Reston： AIAA， 2011.
2	袁昭旭. 高温环境中结构的动力学模型修正研究［D］. 哈尔滨：哈尔滨工业大学， 2018： 1-20.
	YUAN Z X. Study on dynamic model updating for structures in high temperature environment［D］. Harbin： Harbin Institute of Technology， 2018： 1-20 （in Chinese）.
3	张晓蕾，于开平. 热环境下某飞行器振动特性分析与模型修正［J］. 噪声与振动控制， 2013， 33（5）： 67-71.
	ZHANG X L， YU K P. Vibration characteristics analysis and model modification of an aircraft in thermal environment［J］. Noise and Vibration Control， 2013， 33（5）： 67-71 （in Chinese）.
4	何成. 高温环境下结构动力学建模关键技术研究［D］. 南京：南京航空航天大学， 2014： 3-10.
	HE C. Key technology of dynamic modeling inhigh-temperature environment［D］. Nanjing： Nanjing University of Aeronautics and Astronautics， 2014： 3-10 （in Chinese）.
5	Friswell M. I.. 结构动力学有限元模型修正［M］. 李双，王帅，洪良友，等，译. 北京：科学出版社， 2017： 100-124.
	FRISWELL M I. Finite element model updating in structural dynamics［M］. LI S， WANG S， HONG L Y， et al， translated. Beijing： Science Press， 2017： 100-124 （in Chinese）.
6	韩芳，钟冬望，汪君. 基于径向基神经网络的有限元模型修正研究［J］. 武汉科技大学学报， 2011， 34（2）： 115-118.
	HAN F， ZHONG D W， WANG J. Model updating based on radial basis function neural network［J］. Journal of Wuhan University of Science and Technology， 2011， 34（2）： 115-118 （in Chinese）.
7	李伟明. 有限元模型修正方法及自由度匹配迭代技术研究［D］. 上海：上海交通大学， 2011： 18-26.
	LI W M. Study on finite element model updating method and iterative technique for degree of freedom matching［D］. Shanghai： Shanghai Jiao Tong University， 2011： 18-26 （in Chinese）.
8	张安平，陈国平. 基于混合人工鱼群算法的结构有限元模型修正［J］. 航空学报， 2010， 31（5）： 940-945.
	ZHANG A P， CHEN G P. Structural finite element model updating based on hybrid artificial fish swarm algorithm［J］. Acta Aeronautica et Astronautica Sinica， 2010， 31（5）： 940-945 （in Chinese）.
9	HE H， HE C， CHEN G P. Inverse determination of temperature-dependent thermophysical parameters using multiobjective optimization methods［J］. International Journal of Heat and Mass Transfer， 2015， 85： 694-702.
10	TRAN-NGOC H， HE L Q， REYNDERS E， et al. An efficient approach to model updating for a multispan railway bridge using orthogonal diagonalization combined with improved particle swarm optimization［J］. Journal of Sound and Vibration， 2020， 476： 115315.
11	于开平，刘荣贺. 多族群粒子群优化算法飞行器结构模型修正［J］. 振动与冲击， 2013， 32（17）： 79-83， 99.
	YU K P， LIU R H. Model updating of a spacecraft structure based on MRPSO［J］. Journal of Vibration and Shock， 2013， 32（17）： 79-83， 99 （in Chinese）.
12	YIN T， ZHU H P. An efficient algorithm for architecture design of Bayesian neural network in structural model updating［J］. Computer-Aided Civil and Infrastructure Engineering， 2020， 35（4）： 354-372.
13	奚之飞，徐安，寇英信，等. 基于改进粒子群算法辨识Volterra级数的目标机动轨迹预测［J］. 航空学报， 2020， 41（12）： 324183.
	XI Z F， XU A， KOU Y X， et al. Target maneuver trajectory prediction based on Volterra series identified by improved particle swarm algorithm［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（12）： 324183 （in Chinese）.
14	SHI Y， EBERHART R. A modified particle swarm optimizer［C］∥1998 IEEE International Conference on Evolutionary Computation Proceedings. IEEE World Congress on Computational Intelligence （Cat. No.98TH8360）. Piscataway： IEEE Press， 1998： 69-73.
15	EBERHART R C， SHI Y. Comparing inertia weights and constriction factors in particle swarm optimization［C］∥Proceedings of the 2000 Congress on Evolutionary Computation. CEC00 （Cat. No.00TH8512）. Piscataway： IEEE Press， 2000： 84-88.
16	CHATTERJEE A， SIARRY P. Nonlinear inertia weight variation for dynamic adaptation in particle swarm optimization［J］. Computers & Operations Research， 2006， 33（3）： 859-871.
17	AL-BAHRANI L T， PATRA J C. A novel orthogonal PSO algorithm based on orthogonal diagonalization［J］. Swarm and Evolutionary Computation， 2018， 40： 1-23.
18	ZHAN Z H， ZHANG J. Orthogonal learning particle swarm optimization for power electronic circuit optimization with free search range［C］∥2011 IEEE Congress of Evolutionary Computation. Piscataway： IEEE Press， 2011： 2563-2570.
19	ZHAO F Q， LIU Y， ZHANG C， et al. A self-adaptive harmony PSO search algorithm and its performance analysis［J］. Expert Systems with Applications， 2015， 42（21）： 7436-7455.
20	ZHANG X M， LIN Q Y， MAO W T， et al. Hybrid particle swarm and grey wolf optimizer and its application to clustering optimization［J］. Applied Soft Computing， 2021， 101： 107061.
21	HAKLı H， UĞUZ H. A novel particle swarm optimization algorithm with Levy flight［J］. Applied Soft Computing， 2014， 23： 333-345.
22	YANG X S， DEB S. Cuckoo search via Lévy flights［C］∥2009 World Congress on Nature & Biologically Inspired Computing （NaBIC）. Piscataway： IEEE Press， 2009： 210-214.
23	JENSI R， JIJI G W. An enhanced particle swarm optimization with levy flight for global optimization［J］. Applied Soft Computing， 2016， 43： 248-261.
24	AL-BAHRANI L T， PATRA J C. A novel orthogonal PSO algorithm based on orthogonal diagonalization［J］. Swarm and Evolutionary Computation， 2018， 40： 1-23.
25	于开平，白云鹤，赵锐，等. 高温环境下结构模态试验技术［J］. 力学与实践， 2018， 40（1）： 1-12.
	YU K P， BAI Y H， ZHAO R， et al. Advance of experimental technologies for structural modal test in high temperature environments［J］. Mechanics in Engineering， 2018， 40（1）： 1-12 （in Chinese）.
26	吴大方，赵寿根，潘兵，等. 高速巡航导弹翼面结构热-振联合试验研究［J］. 航空学报， 2012， 33（9）： 1633-1642.
	WU D F， ZHAO S G， PAN B， et al. Research on thermal-vibration joint test for wing structure of high-speed cruise missile［J］. Acta Aeronautica et Astronautica Sinica， 2012， 33（9）： 1633-1642 （in Chinese）.
27	Géron Aurélien. 机器学习实战：基于Scikit-Learn和TensorFlow［M］. 王静源，贾玮，边蕤，等，译. 北京：机械工业出版社， 2018： 165-184.
	GÉRON A. Hands-On Machine Learning with Scikit-Learn and Ten-sorFlow［M］. WANG J Y， JIA W， BIAN R， et al， translated. Beijing： China Machine Press， 2018： 165-184 （in Chinese）.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

参数	种群数	迭代步数	总计算数	总时间/s
PSOLF	200	50	10 000	32 247
LOPSO	10	50	10 000	32 823

参数	实际	修正值		误差/%
参数	实际	PSOLF方法	LOPSO方法	PSOLF方法	LOPSO方法
k₁/（N·m^-1）	191 900.00	180 100.12	193 360.63	6.15	0.76
k₂/（N·m^-1）	130 570.00	133 679.93	130 717.01	2.38	0.11
k₃/（N·m^-1）	243 000.00	244 200.33	242 930.51	0.49	0.03
c₁/（N·S·mm^-1）	55.00	52.37	54.84	4.78	0.29
c₂/（N·S·mm^-1）	25.00	26.80	24.94	7.20	0.24
c₃/（N·S·mm^-1）	12.00	12.43	11.97	3.58	0.25

温度 /℃	模态阶数	f_t /Hz			e_f_，b/%	e_f_，a/%
温度 /℃	模态阶数	实验值	修正前	修正后	e_f_，b/%	e_f_，a/%
14	1	58.26	63.08	56.24	8.27	3.47
	2	48.38	50.25	48.45	3.87	0.14
	3	132.37	157.64	134.35	19.09	1.50
	4	129.10	148.77	131.47	15.24	1.84
	5	259.52	284.44	247.50	9.60	4.63
	6	65.92	89.12	63.70	35.19	3.37
	7	179.54	217.06	180.55	20.90	0.56
	8	384.50	449.74	382.9	16.97	0.42
300	1	54.86	59.95	54.12	9.28	1.35
	2	47.19	48.22	45.29	2.18	4.03
	3	128.02	136.13	126.30	6.33	1.34
	4	124.17	122.23	123.23	1.56	0.76
	5	247.72	262.77	230.9	6.08	6.79
	6	63.90	83.47	62.42	30.63	2.32
	7	176.57	262.77	172.62	48.82	2.24
	8	379.81	413.02	359.54	8.74	5.34
500	1	52.40	56.72	53.17	8.24	1.45
	2	45.74	45.30	44.08	0.96	3.63
	3	127.27	133.48	121.46	4.88	4.57
	4	120.72	121.29	118.95	0.47	1.47
	5	240.26	278.65	246.43	15.98	2.57
	6	63.30	87.30	63.14	37.92	0.25
	7	172.88	226.00	169.69	30.73	1.85
	8	368.33	416.24	349.34	13.01	5.16

[1]	李玉涵, 杨宝玉, 吴亦农, 张强, 唐晓. 卫星光机载荷热模型参数高效修正方法研究进展[J]. 航空学报, 2024, 45(6): 628814-628814.
[2]	陈锐达, 陈夏超, 陈泓宇, 徐辉, 洪鑫. 模拟月面高温环境下120 N发动机点火特性和排气试验[J]. 航空学报, 2024, 45(11): 529112-529112.
[3]	盛方怡, 杨国林, 孟凡通, 董志刚, 康仁科. 沉头孔螺旋铣削加工有限元仿真分析[J]. 航空学报, 2024, 45(1): 428690-428690.
[4]	王四季, 张羽薇, 黄开明, 吕彪, 赵海凤, 王虎, 廖明夫. 基于改进粒子群算法的直升机动力涡轮转子系统优化方法[J]. 航空学报, 2024, 45(1): 228608-228608.
[5]	黄永杰, 倪章松, 潘捷. 考虑冰层断裂与界面脱粘的电脉冲除冰仿真[J]. 航空学报, 2023, 44(S2): 729306-729306.
[6]	朱云冲, 梁彦刚, 黎克波, 刘远贺. 基于PSO和RRT的智能弹群任务分配算法[J]. 航空学报, 2023, 44(S1): 727354-727354.
[7]	李双利, 赵亦希, 于忠奇, 崔峻辉, 寇琳媛. 2219-O铝合金声软化效应建模与预测[J]. 航空学报, 2023, 44(9): 626884-626884.
[8]	杨超, 张开富. 基于PSO⁃BiLSTM神经网络的机身筒段应力预测[J]. 航空学报, 2023, 44(7): 426991-426991.
[9]	肖和业, 杨建峰, 白俊强, 张旭东, 吴利荣. 面向任务需求的模块化无人机配置方法[J]. 航空学报, 2023, 44(7): 327100-327100.
[10]	程旋, 赵亦希, 尤舒曼. 机器人柔性翻边成形轨迹优化[J]. 航空学报, 2023, 44(4): 426886-426886.
[11]	刘礼平, 齐雨阳, 蔺越国, 鲍蕊, 徐建新, 冯振宇, 卿光辉. 碳纤维复合材料胶铆混合修理结构静载拉伸失效[J]. 航空学报, 2023, 44(24): 428676-428676.
[12]	麻震宇, 邓小龙, 杨希祥, 朱炳杰. 平流层飞艇驻空过程热结构耦合特性[J]. 航空学报, 2023, 44(19): 228337-228337.
[13]	邹田春, 巨乐章, 管玉玺, 李泽钢, 陈红呈. 铺层方式对CFRP⁃Al胶接接头疲劳行为的影响[J]. 航空学报, 2023, 44(18): 428264-428264.
[14]	陈江波, 曾凯, 邢保英, 张洪申, 丁燕芳, 何晓聪. 铝合金-胶膜压印/粘接复合连接工艺及接头失效分析[J]. 航空学报, 2023, 44(14): 428029-428029.
[15]	王秀锐, 李凯尚, 谷行行, 张勇, 陆体文, 王润梓, 张显程. 基于晶体塑性理论的高-低周疲劳寿命预测统一准则[J]. 航空学报, 2023, 44(10): 427300-427300.

基于新型粒子群算法的结构动力学热振模型修正

Dynamics model updating of structures at high temperature based on novel particle swarm optimization algorithm

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 16

参考文献 27

相关文章 15

编辑推荐

Metrics

本文评价