e-works数字化企业网  »  文章频道  »  产品创新数字化(PLM)  »  CAE

基于HyperStudy的SPH鸟体模型的参数反演

2013/1/20    来源:Altair    作者:罗军  刘长虹  洪清泉      
关键字:参数反演  自适应响应面法  HyperStudy  RADIOSS  

摘要:鸟体参数的准确性对鸟撞仿真精度有重大影响,参数反演可以克服人工试凑法的局限性,搜寻出合理的鸟体参数,提高鸟撞仿真精度。在HyperStudy多学科优化平台下,先采用正交实验设计方法挑选出对位移结果敏感的鸟体参数,以简化优化问题的复杂性和计算量,然后采用自适应响应面法进行鸟体的参数反演的多目标优化,优化目标为最小化鸟撞位置处仿真位移和实验位移的平方差。RADIOSS的求解结果表明,采用优化后的鸟体参数的鸟体模型的仿真曲线与实验曲线拟合效果大大提高。

关键词:参数反演,实验设计方法,自适应响应面法,HyperStudy,RADIOSS

0 前言

    在鸟撞的耦合算法中,鸟体模型的合理性很大程度上影响了鸟撞仿真的精度。而鸟体的生物性使得其相关参数难以确定,以致鸟撞数值仿真的鸟体模型难以确定[1-2],通常只能把鸟体的模型做简化处理[3-4]。传统的人工试凑法依赖于工程师的经验,具有主观、盲目、耗时等缺点。鸟体参数的反演其实就是鸟体参数的识别问题,通过修正鸟体模型的材料参数、本构方程的参数以及鸟体离散后的单元或粒子属性参数等,使得测试点仿真的结果,如应力、应变、位移等,与实验结果差异最小。鸟体参数的反演避免了试凑法的弊端,提高了仿真精度,省掉了一些实验次数,从而节省设计的费用与周期,鸟体参数的反演已成为航空航天技术研究的一个热点问题[5-7]。

1 鸟体参数反演

    鸟体参数反演通常转化为优化问题来处理化的基本步骤如下:

    (1)建立鸟撞的耦合模型;

    (2)挑选需要反演的参数,这些参数可以是材料参数、本构方程的参数以及鸟体粒子属性参数等;

    (3)定义优化目标,使得仿真结果和实验结果的差异最小化;

    (4)把优化模型提交给程序优化迭代求解,某步迭代产生的新参数值,把这些新参数值赋予模型重新计算,如果仿真结果和实验结果相差较大,那么程序继续迭代,如果两者误差满足要求则迭代收敛。

    优化流程图如下:

参数反演优化流程图

    图1 参数反演优化流程图

2 反演参数的选择

    反演参数的个数对优化结果影响很大,个数越多优化问题越复杂,所消耗的时间也就越长,因此,就必须尽量减少参数,并且挑选合适的参数,所选的参数尽量的少,并且对结果的影响较大,而前人文献中[6][8],很少对反演参数的选择做详细的阐述。本文将采用正交实验设计的方法筛选出对位移响应敏感度较高的参数。实验设计是一种成熟的优化方法,但本文中该方法并不是直接用于优化分析,而是用于筛选出参数对结果的敏感度。

    设Ai是第i个因素,其取值区间为[ALi,AUi],Yij是因素作用下产生的第j个响应,其响应区间为[YLij,YUij],那么第j个响应对第i个因素的独立灵敏度可以表示为:

    越大表明响应对对因素的敏感性越高,反之就越低。θij的值得大小在因素响应图中体现为斜率的大小。

 

责任编辑:程玥
本文为授权转载文章,任何人未经原授权方同意,不得复制、转载、摘编等任何方式进行使用,e-works不承担由此而产生的任何法律责任! 如有异议请及时告之,以便进行及时处理。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。
e-works
官方微信
掌上
信息化
编辑推荐
新闻推荐
博客推荐
视频推荐