首页 > 技术 > Altair > > 基于HyperStudy的SPH鸟体模型的参数反演

基于HyperStudy的SPH鸟体模型的参数反演

作者:Simwe    来源:Altair    发布时间:2013-01-16    收藏】 【打印】  复制连接  【 】 我来说两句:(0逛逛论坛

基于HyperStudy的SPH鸟体模型的参数反演

罗 军  刘长虹  洪清泉
华东理工大学机械与动力工程学院  上海 200237
澳汰尔工程软件(上海)有限公司  上海  200082


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:

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


3鸟体参数反演

3.1 优化目标

基于优化的参数反演,通常是选取能够对理论和实验结果之间的误差进行量化的目标函数,通过搜索合适参数使目标函数最小化。通常选取的实验和仿真的对照点是多个点,而且每个测试点的重要性不同,这就要引入权重系数,因此,单目标优化就转换为多目标优化[9]:


3.2 基于响应面法的优化原理

响应面法是以实验设计为基础的用于处理多变量问题建模和分析的一套数理统计技术,应用广泛[10]。响应面法的基本思想是,通过在变量空间中选定若干真实的样本点,作为确定响应函数的计算值或实验值,用回归分析法建立拟合的函数关系式,所确定的这个函数称为响应面。利用多项式可以对复杂的函数关系进行逼近,非线性设计空间内的设计变量 与响应的函数 关系可用下式表示:


4鸟体反演实例

在HyperMesh前处理模块中建立鸟体参数反演的数值模型,如图2所示,鸟体采用SPH粒子进行离散,铝板采用4节点Shell单元划分,并对铝板边缘进行固支。实验模型的示意图如图3所示,实验采用鸟撞铝板,铝板尺寸为 mm,选取3个实验测试点,分别为测试点1(-120,0),测试点2(0,0),测试点3(120,0)。鸟体以140m/s的初始速度,以垂直于 轴,与 轴成45度的方向撞向铝板,且与铝板初始接触的位置为点(-60,0)处。铝板采用RADIOSS提供的弹塑性分段线性材料,这种材料本构允许用户自定义各项同性材料在不同应变率下的应力-应变曲线中的工作硬化部分,其基本参数为,弹性模量:74Gpa;泊松比:0.35;密度:2780kg/m ;屈服应力:276Mpa;极限应力:421Mpa。

应用多学科设计优化软件HyperStudy进行正交实验分析,三个节点的位移响应分别对六个因素的敏感性如图4、5、6所示,图示的6段敏感性直线从左到右分别代表流体动力系数 、压力阀值 、二次体积粘度 、线性体积粘度 、光滑长度 、鸟体与结构的摩擦系数 。


    

由图可知,计算结果中节点的位移都对二次体积粘度 敏感性很小,对压力阀值 几乎没有影响,因此可以舍去。最终选取流体动力系数 、线性体积粘度 、光滑长度 、摩擦系数 作为鸟体参数反演的变量参数。

鸟撞过程约6ms,实验测试点位移值每0.1ms取一次,共取值60次,并按时间顺序记录下来,保存为.csv格式。把鸟体参数反演转化为优化问题来处理,优化三要素分别为:

优化目标:本次优化有3个测试点,采用公式(2)把优化处理成含3个目标的多目标优化。由于3个优化目标的性质一样,所以3个优化目标的权重一样。在第1个迭代步时,3个测试点的优化目标值分别为: =90.022, =353.255, =83.232。

优化约束:本次优化没有优化约束。

优化变量:流体动力系数  ;线性体积粘度 ;光滑长度  ;鸟体与结构的摩擦系数  。

模型提交给HyperStudy优化,只经过12步迭代优化就达到收敛,3个目标的迭代曲线如图7、8、9所示:

优化后目标值有了大幅的降低,其优化前后对比如表2所示:

表1. 优化前后目标值对比

优化后各反演参数的值为,流体动力系数:1.646;线性体积粘度:0.949;光滑长度:7.709;鸟体与结构的摩擦系数:0.028。

修改鸟撞数值模型,带入反演后的参数值重新计算,对比测试点1的实验时间--位移历程曲线和仿真时间--位移曲线,如图10所示:


图10. 测试点1的实验和仿真时间—位移曲线

由图可以看出,两条曲线的拟合效果很好,说明参数反演优化很成功,从而证明了自适应响应面法在参数优化中的可行性。

5结论

HyperWorks包含的各种平台,为鸟体参数的反演提供了很大的便利性,建模迅速,计算准确。本文用鸟体参数反演的方法来减小实验测试和仿真测试之间的误差,而在参数反演之前,先用正交实验分析的方法筛选出对结构位移敏感的鸟体参数作为参数反演的优化变量,参数筛选使得优化趋势的结果更为明显,减少优化迭代步。然后用自适应响应面法对筛选出得鸟体参数进行反演优化,通过最小化测试点的实验位移值和仿真位移值的方差和,使测试点实验位移和仿真位移的曲线拟合的最好,参数反演结果表明该方法可行且效率高,大大缩小了两者之间的误差。

6参考文献

[1]张志林 姚卫星.飞机风挡鸟撞动响应分析方法研究[J]. 航空学报. 2004.25(6):577-580.
[2] Liu J, Li Y L, Xu F. The numerical simulation of a bird impact on an aircraft windshield by using the SPH method [J]. Advanced Materials Research. 2008:861-856
[3] M.A.Lavoie. Bird’s substitute tests results and evaluation of available numerical methods[J]. International Journal of Impact Engineering. 2009(36):1276-1287
[4]蒋向华,王延荣. 采用流固耦合方法的整级叶片鸟撞击数值模拟[J]. 航空动力学报. 2008.2(23):299-304
[5]刘军 李玉龙 鸟体本构模型参数反演Ⅱ:模型参数反演研究[J]. 航空学报. 2011.5(32):812-821
[6]张永康,李玉龙. 基于改进BP神经网络的鸟体材料参数反演[J]. 机械设计与制造. 2010.2:51-53
[7]张永康,李玉龙 确定鸟体材料参数的反演方法[J]. 航空计算技术. 2007. 37(6):1-4
[8]王富生,李立州 鸟体材料参数的一种反演方法[J]. 航空学报,2007,28(2):344-347
[9]杨兵伟 基于优化的鸟撞有限元模型修正技术研究[D]. 南京:南京航天航空大学 2007
[10] Myers RH. Montgomery DC.Response Surface Methodology[M]. New York:John Wiley&Sons,1995:l--50.

 

Parameter inversion of SPH bird model based on HyperStudy
Luo Jun   Liu Changhong    Hong Qingquan


Abstract:The accuracy of the bird model parameters has a significant affection on bird strike simulation, the inversion of physical parameters can overcome the limitations of artificial trial method, finding out reasonable bird model parameters and improving the accuracy of bird strike simulation. Based on the HyperStudy, a multidisciplinary optimization platform, orthogonal design of experimental (DOE) method was introduced to identify the model parameters which ware sensitive to displacement, to simplify the complexity of optimization and to reduce the computation. Then those parameters were optimized based on adaptive response surface method (ARSM), the optimization objective is to minimize the squared differences of simulation displacement and experimental displacement on the bird strike points. The results solved by RADIOSS demonstrated that when bird model adopted the optimized parameters, the simulation curve and experimental curve fitted better.
Keywords: parameter inversion; DOE; ARSM; HyperStudy; RADIOSS

   
分享到: 收藏