[發明專利]基于聯合仿真的諧振陀螺優化方法和系統有效
| 申請號： | 202110687420.1 | 申請日： | 2021-06-21 |
| 公開（公告）號： | CN113297707B | 公開（公告）日： | 2023-09-05 |
| 發明（設計）人： | 張衛平;谷留濤 | 申請（專利權）人： | 上海交通大學 |
| 主分類號： | G06F30/17 | 分類號： | G06F30/17;G06F30/23;G06F30/25;G06F30/27;G06V10/40;G06V10/774;G06V10/764;G06N3/006;G06N3/126;G06F111/04 |
| 代理公司： | 上海漢聲知識產權代理有限公司 31236 | 代理人： | 胡晶 |
| 地址： | 200240 *** | 國省代碼： | 上海;31 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 聯合 仿真 諧振 陀螺 優化 方法 系統 | ||
1.一種基于聯合仿真的諧振陀螺優化方法，其特征在于，包括：
步驟1：利用MATLAB編寫用于諧振陀螺特征模態識別的圖像識別算法和用于諧振陀螺結構參數優化的優化算法；
步驟2：利用COMSOL建立諧振陀螺參數化計算模型，輸出有限元計算結果；
步驟3：利用MATLAB和COMSOL的數據接口，建立相互傳遞數據的渠道，實現MATLAB對COMSOL有限元模型的調用，并通過圖像識別算法和優化算法實現對諧振陀螺結構參數優化；
所述圖像識別算法通過提取圖像特征包括顏色特征、紋理特征、形狀特征以及局部特征點對圖像進行分析和識別，從而獲得圖像中的模態信息；
所述優化算法包括粒子群算法、遺傳算法和布谷鳥算法，在給定約束的微陀螺結構參數的情況下，使得陀螺的性能指標達到最優；
所述步驟1包括：
步驟1.1：在MATLAB中建立圖像識別算法，從預設訓練集和測試集中提取特征，利用分類器訓練得到分類模板，并通過該分類模板進行諧振陀螺仿真特征模態的識別；
步驟1.2：在MATLAB中建立優化算法來優化諧振陀螺結構參數；
步驟1.3：在MATLAB中計算適應度函數；
所述適應度函數包括特征頻率大小、品質因子大小和頻差大小，根據適應度函數獲取當前的結構參數是否滿足陀螺的性能需求；
所述步驟2包括：
步驟2.1：在COMSOL中建立諧振陀螺的結構模型，包括陀螺結構的幾何參數和變量；
其中：半球諧振陀螺包括球殼厚度、球殼半徑、支撐柱長度和支撐柱半徑；環形諧振陀螺包括環寬、輻條長度、環數和環厚；質量塊陀螺儀包括質量塊大小、折疊梁大小和厚度；
步驟2.2：在COMSOL中建立諧振陀螺的有限元模型，計算諧振陀螺的特征頻率、品質因子和頻差；
通過COMSOL軟件中的特征頻率計算諧振陀螺的特征頻率freq，從而計算得到微陀螺的品質因子Q，公式為：
其中，abs(freq)是特征頻率的絕對值，imag(freq)指的是特征頻率的虛部；
頻差Δf的計算公式為：
Δf＝fsense-fdrive
其中：fsense是檢測模態頻率，fdrive是驅動模態頻率；
所述步驟3包括：
步驟3.1：利用接口將MATLAB中的結構優化參數數據傳遞給COMSOL；
步驟3.2：COMSOL根據結構優化參數數據重建諧振陀螺有限元模型，進行有限元分析，并將計算結果通過接口傳遞給MATLAB；
步驟3.3：在MATLAB中利用圖像識別算法在多個特征模態數據中識別諧振陀螺工作模態，保存工作模態的有限元計算數據；
步驟3.4：在MATLAB中利用優化算法計算優化變量并傳遞給COMSOL，以進行下一次建模；
基于MATLAB圖像識別算法和優化算法與COMSOL有限元計算進行諧振陀螺優化，MATLAB利用優化算法根據計算的適應度值生成m個優化變量，m的大小由諧振陀螺結構參數變量數決定，將優化變量傳遞給COMSOL，COMSOL根據優化變量重新構建有限元模型，計算得到n個特征模態的品質因子、頻差、特征頻率，n的大小是由諧振陀螺工作模態決定的；MATLAB利用圖像識別算法對COMSOL計算得到的多個特征模態數據進行處理和識別，得到工作模態的計算數據，優化算法將根據得到的計算數據計算個體適應度；
采用支持向量機的圖像識別算法的具體步驟如下：
(1)在COMSOL中利用初始參數，得到用于圖像識別的模態圖片訓練集和測試集；
(2)MATLAB中對圖片進行預處理，包括灰度化、閾值化、調整大小；
(3)MATLAB中調用graycomatrix()函數提取圖片的0、45、90、135度方向的灰度共生矩陣，對灰度共生矩陣進行歸一化處理，然后取平均值和方差作為最終提取的特征向量；
(4)MATLAB中調用extractHOGFeatures()函數提取圖片的方向梯度直方圖，獲得相應的特征向量；
(5)取上述步驟獲得的兩個特征向量的長度之和作為圖片特征提取后的總長度，并將灰度共生矩陣特征和方向梯度直方圖特征合并成一個向量作為一張特征模態圖片的特征向量，并將其模態標簽與特征向量相對應；
(6)在MATLAB中通過fitcecoc()函數調用前面得到的訓練和測試用的特征向量與對應的標簽，得到分類器，在后續的模態識別中直接使用predict()函數調用該分類器即可完成對諧振陀螺各特征模態的識別；
采用遺傳算法的具體步驟如下：
(1)初始化遺傳參數：種群大小non_pop，最大迭代次數num_iteration，雜交率cross，選擇率select，變異率mutation，目標適應度值cost_goal；
(2)初始化種群，計算種群中每個個體的適應度cost；
(3)若迭代次數generationnum_iteration，執行步驟(4)，否則算法結束，返回最優解；
(4)若種群個體最佳適應度best_costcost_goal，算法結束，返回最優解，否則執行步驟(5)；
(5)對種群中的個體進行選擇、交叉、變異操作產生新的種群，并計算新的種群中每個個體的適應度，迭代次數generation＝generation+1，執行步驟(3)；
基于支持向量機的圖像識別算法與遺傳算法的MATLAB和COMSOL聯合仿真的諧振陀螺優化設計方法步驟包括：
①MATLAB中初始化遺傳參數：種群大小non_pop，最大迭代次數num_iteration，雜交率cross，選擇率select，變異率mutation，目標適應度值cost_goal，根據遺傳參數產生初始化種群，并將初始化種群數據通過COMSOL?WITH?MATLAB接口傳遞給COMSOL；
②COMSOL根據MATLAB傳遞的數據建立諧振陀螺的有限元模型，獲得具有多個特征模態的計算數據，包括模態特征頻率、模態品質因子、模態頻差，并將這些計算數據通過COMSOLWITH?MATLAB接口傳遞給MATLAB；
③MATLAB中利用支持向量機的圖像識別算法在COMSOL所傳遞數據的特征模態圖像中識別出諧振陀螺工作模態，獲得所需工作模態的計算數據；
④MATLAB優化算法根據步驟③所獲得數據計算種群個體的適應度，如果迭代次數達到最大迭代次數或個體適應度達到收斂條件，則進行步驟⑤，否則退出算法，輸出最優解；
⑤對種群中的個體進行選擇、交叉、變異操作產生新的種群，并計算新的種群中每個個體的適應度，迭代次數generation＝generation+1，跳轉到步驟②。
2.一種基于聯合仿真的諧振陀螺優化系統，其特征在于，包括：
模塊M1：利用MATLAB編寫用于諧振陀螺特征模態識別的圖像識別算法和用于諧振陀螺結構參數優化的優化算法；
模塊M2：利用COMSOL建立諧振陀螺參數化計算模型，輸出有限元計算結果；
模塊M3：利用MATLAB和COMSOL的數據接口，建立相互傳遞數據的渠道，實現MATLAB對COMSOL有限元模型的調用，并通過圖像識別算法和優化算法實現對諧振陀螺結構參數優化；
所述圖像識別算法通過提取圖像特征包括顏色特征、紋理特征、形狀特征以及局部特征點對圖像進行分析和識別，從而獲得圖像中的模態信息；
所述優化算法包括粒子群算法、遺傳算法和布谷鳥算法，在給定約束的微陀螺結構參數的情況下，使得陀螺的性能指標達到最優；
所述模塊M1包括：
模塊M1.1：在MATLAB中建立圖像識別算法，從預設訓練集和測試集中提取特征，利用分類器訓練得到分類模板，并通過該分類模板進行諧振陀螺仿真特征模態的識別；
模塊M1.2：在MATLAB中建立優化算法來優化諧振陀螺結構參數；
模塊M1.3：在MATLAB中計算適應度函數；
所述適應度函數包括特征頻率大小、品質因子大小和頻差大小，根據適應度函數獲取當前的結構參數是否滿足陀螺的性能需求；
所述模塊M2包括：
模塊M2.1：在COMSOL中建立諧振陀螺的結構模型，包括陀螺結構的幾何參數和變量；
其中：半球諧振陀螺包括球殼厚度、球殼半徑、支撐柱長度和支撐柱半徑；環形諧振陀螺包括環寬、輻條長度、環數和環厚；質量塊陀螺儀包括質量塊大小、折疊梁大小和厚度；
模塊M2.2：在COMSOL中建立諧振陀螺的有限元模型，計算諧振陀螺的特征頻率、品質因子和頻差；
通過COMSOL軟件中的特征頻率計算諧振陀螺的特征頻率freq，從而計算得到微陀螺的品質因子Q，公式為：
其中，abs(freq)是特征頻率的絕對值，imag(freq)指的是特征頻率的虛部；
頻差Δf的計算公式為：
Δf＝fsense-fdrive
其中：fsense是檢測模態頻率，fdrive是驅動模態頻率；
所述模塊M3包括：
模塊M3.1：利用接口將MATLAB中的結構優化參數數據傳遞給COMSOL；
模塊M3.2：COMSOL根據結構優化參數數據重建諧振陀螺有限元模型，進行有限元分析，并將計算結果通過接口傳遞給MATLAB；
模塊M3.3：在MATLAB中利用圖像識別算法在多個特征模態數據中識別諧振陀螺工作模態，保存工作模態的有限元計算數據；
模塊M3.4：在MATLAB中利用優化算法計算優化變量并傳遞給COMSOL，以進行下一次建模；
基于MATLAB圖像識別算法和優化算法與COMSOL有限元計算進行諧振陀螺優化，MATLAB利用優化算法根據計算的適應度值生成m個優化變量，m的大小由諧振陀螺結構參數變量數決定，將優化變量傳遞給COMSOL，COMSOL根據優化變量重新構建有限元模型，計算得到n個特征模態的品質因子、頻差、特征頻率，n的大小是由諧振陀螺工作模態決定的；MATLAB利用圖像識別算法對COMSOL計算得到的多個特征模態數據進行處理和識別，得到工作模態的計算數據，優化算法將根據得到的計算數據計算個體適應度；
采用支持向量機的圖像識別算法的具體步驟如下：
(1)在COMSOL中利用初始參數，得到用于圖像識別的模態圖片訓練集和測試集；
(2)MATLAB中對圖片進行預處理，包括灰度化、閾值化、調整大小；
(3)MATLAB中調用graycomatrix()函數提取圖片的0、45、90、135度方向的灰度共生矩陣，對灰度共生矩陣進行歸一化處理，然后取平均值和方差作為最終提取的特征向量；
(4)MATLAB中調用extractHOGFeatures()函數提取圖片的方向梯度直方圖，獲得相應的特征向量；
(5)取上述步驟獲得的兩個特征向量的長度之和作為圖片特征提取后的總長度，并將灰度共生矩陣特征和方向梯度直方圖特征合并成一個向量作為一張特征模態圖片的特征向量，并將其模態標簽與特征向量相對應；
(6)在MATLAB中通過fitcecoc()函數調用前面得到的訓練和測試用的特征向量與對應的標簽，得到分類器，在后續的模態識別中直接使用predict()函數調用該分類器即可完成對諧振陀螺各特征模態的識別；
采用遺傳算法的具體步驟如下：
(1)初始化遺傳參數：種群大小non_pop，最大迭代次數num_iteration，雜交率cross，選擇率select，變異率mutation，目標適應度值cost_goal；
(2)初始化種群，計算種群中每個個體的適應度cost；
(3)若迭代次數generationnum_iteration，執行步驟(4)，否則算法結束，返回最優解；
(4)若種群個體最佳適應度best_costcost_goal，算法結束，返回最優解，否則執行步驟(5)；
(5)對種群中的個體進行選擇、交叉、變異操作產生新的種群，并計算新的種群中每個個體的適應度，迭代次數generation＝generation+1，執行步驟(3)；
基于支持向量機的圖像識別算法與遺傳算法的MATLAB和COMSOL聯合仿真的諧振陀螺優化設計方法步驟包括：
①MATLAB中初始化遺傳參數：種群大小non_pop，最大迭代次數num_iteration，雜交率cross，選擇率select，變異率mutation，目標適應度值cost_goal，根據遺傳參數產生初始化種群，并將初始化種群數據通過COMSOL?WITH?MATLAB接口傳遞給COMSOL；
②COMSOL根據MATLAB傳遞的數據建立諧振陀螺的有限元模型，獲得具有多個特征模態的計算數據，包括模態特征頻率、模態品質因子、模態頻差，并將這些計算數據通過COMSOLWITH?MATLAB接口傳遞給MATLAB；
③MATLAB中利用支持向量機的圖像識別算法在COMSOL所傳遞數據的特征模態圖像中識別出諧振陀螺工作模態，獲得所需工作模態的計算數據；
④MATLAB優化算法根據步驟③所獲得數據計算種群個體的適應度，如果迭代次數達到最大迭代次數或個體適應度達到收斂條件，則進行步驟⑤，否則退出算法，輸出最優解；
⑤對種群中的個體進行選擇、交叉、變異操作產生新的種群，并計算新的種群中每個個體的適應度，迭代次數generation＝generation+1，跳轉到步驟②。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于上海交通大學，未經上海交通大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110687420.1/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種LED壁燈
- 下一篇：一種自動化殯葬祭祀系統
