[發明專利]一種亞毫米波天線背架及過渡結構優化方法

在審

• 申請號: 202111112312.8
• 申請日: 2021-09-23
• 公開（公告）號: CN113849945A
• 公開（公告）日: 2021-12-28
• 發明（設計）人: 高婧婧;王海仁;左營喜
• 申請（專利權）人: 中國科學院紫金山天文臺
• 主分類號: G06F30/18
• 分類號: G06F30/18;G06F30/23;G06F30/27;G06N3/00;G06F119/14
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 徐燕

1.一種亞毫米波天線背架及過渡結構優化方法，其特征在于，所述優化方法包括以下步驟：

S1，根據60m亞毫米波天線的主面板設計，采用保型原理設計出背架結構的初始模型；按照拓撲優化原理，建立60m亞毫米波天線過渡結構的初始拓撲優化模型；對初始拓撲優化模型進行靜力分析并對分析結果進行后處理，提取所需參數建立相應的優化模型；

S2，采用超單元法將天線的背架及其主面板質點單元壓縮為接口節點，將壓縮后的有限元模型導入Workbench的拓撲優化模塊，構建的優化模型為：

find x＝[x₁,x₂,……,x_n]^T

min C(x)＝F^TU(x)

s.t v(x)＝x^Tv-V*≤0

f≥f^l

x∈χ,χ＝{x∈Rⁿ,0≤x≤1}

其中x_i為賦予每個單元的拓撲密度變量，目標函數為結構總柔順度C(x)；n為優化域內的單元總數，F為節點載荷矢量，U(x)為結構的位移矢量，v(x)為優化后的體積，V*為體積約束，f、f^l分別為結構的固有頻率、固有頻率下限；

S3，利用workbench優化模塊進行分布優化，輸出優化結果，得到最優解模型；對最優解模型進行靜力分析。

2.根據權利要求1所述的亞毫米波天線背架及過渡結構優化方法，其特征在于，步驟S3中，利用workbench優化模塊進行分布優化的過程包括以下步驟：

S31，選取背架的參考點坐標作為優化變量，天頂指向的天線主面變形幾何誤差rmse作為目標函數，采用Workbench優化模塊中的Genetic Aggregation響應面法對目標函數進行試驗分析，分析模型如下：

其中，r_j為第j個設計點的設計變量，N_M為使用的模型數量，w_k為第k次迭代響應的權重因子，y(r_j)和分別為第k次迭代的輸出響應和響應預測，為整體結構的響應預測，為沒有第j個設計點的整體結構響應預測；通過使設計實驗點的均方根誤差以及基于交叉驗證均方根誤差最小化，來獲得最佳權重值，即各個設計變量的靈敏度結果；

S32，選擇靈敏度高的背架坐標參數作為優化自變量，將天頂指向下的天線主面變形有效誤差rmse作為目標函數，根據背架桿件的空間位置確定設計變量取值范圍；采用Workbench優化模塊的遺傳算法進行優化，由此構建的優化模型為：

min rmse

zcen^l≤zcen≤zcen^u

其中x_pq、z_pq分別表示背架的參考點在主面柱坐標系下的x、z軸坐標，p、q分別為背架層數和環數，p＝1,2,…,4；q＝1,2,…,7，分別為x_pq的上、下限，分別為z_pq的上、下限，zcen^l、zcen^u分別為整體結構重心位置zcen的上、下限；獲得優化結果后帶入參數結果重新建立第二步優化所需模型；

S33，選擇背架和過度結構的桿件截面參數作為優化自變量，將天頂指向下的天線主面變形有效誤差rmse以及重心位置作為目標函數；采用Workbench優化模塊的多目標遺傳算法進行優化，由此構建的優化模型為：

minΠ(rmse,zcen)

其中rbs_m、tbs_m分別表示背架桿件的外徑和厚度，m為背架桿件類型數，m＝1,2,…,5，和分別為rbs_m、tbs_m的上、下限，rts_n、tts_n分別表示過渡結構桿件的外徑和厚度，n為過渡結構桿件類型數，n＝1,2,3，和分別為rts_n、tts_n的上、下限；獲得優化結果后帶入參數結果重新建立第三步優化所需模型；

S34，選擇不同部件界面的空間位置作為優化自變量，將天頂指向下的天線主面變形有效誤差rmse以及重心位置zcen作為目標函數；采用Workbench優化模塊的多目標遺傳算法進行優化，由此構建的優化模型為：

minΠ(rmse,zcen)

其中z₄₁和z₄₃為背架底層參考點對應坐標值，為z₄₁和z₄₃對應的下限和上限，h₁表示驅動輪連接平臺高度，表示和h₁的下限和上限，t_c為驅動輪鋼板厚度，c為驅動輪鋼板厚度類型數，c＝1,2,3；

S35，完成優化后輸出結果，輸出數據包含最優解、約束變量和設計變量。