[发明专利]大型空间可展开桁架结构关节铰链连接刚度在轨辨识方法

权利要求书

1.一种大型空间可展开桁架结构关节铰链连接刚度在轨辨识方法，其特征在于，包括以下步骤：

步骤一：建立关节铰链接头连接非线性刚度模型；

首先，建立大型空间可展开桁架结构中所有类型关节铰链接头的三维几何模型，所述关节铰链接头带有铰链间隙，然后对该三维几何模型进行包括网格离散、材料参数设置、接触定义在内的前处理工作，进而建立关节铰链接触碰撞有限元模型；

然后，对关节铰链的一端固定，另外一端施加沿x轴正、反方向线性增大的载荷，获得该关节铰链接头在x轴上的非线性力—位移曲线，进而获得该关节铰链接头在x向的非线性刚度曲线；然后在y向和z向重复以上操作，获得该关节铰链接头在y和z向的非线性刚度曲线，进而建立关节铰链接头的非线性刚度模型；

步骤二：建立大型空间可展开桁架结构展开锁紧后的有限元模型；

基于参数化建模思想，建立大型空间可展开桁架结构展开锁紧后的有限元模型，模型中各桁架采用薄壁梁单元模拟，拉索采用含初始张力的索单元模拟，各铰链接头连接刚度采用非线性弹簧模拟，其中非线性弹簧模拟即非线性刚度模型，并对各关节铰链接头进行编号；

步骤三：设计正交实验表；

结合实际情况，将用于模拟关节铰链接头连接刚度的非线性弹簧刚度大小划分为n个水平值，根据正交实验法设计m因素n水平的正交实验表，该正交实验表应表征大型空间可展开桁架结构的铰链连接刚度组合特征，进而反应出大型空间可展开桁架结构的振动模态特性；

步骤四：基于虚拟仿真获取机器学习样本；

选取正交实验表中的某一非线性弹簧刚度组合，带入建立的大型空间可展开桁架结构展开锁紧后的有限元模型，同时选取大型空间可展开桁架结构的某一部位作为激励点，并在该桁架结构的其它部位作为测量点，通过瞬态仿真即在激励点施加激励，通过瞬态有限元仿真获取各测量点的瞬态响应；重复该步骤，直至正交实验表所有组合情形执行完毕，即可获得所需机器学习样本：铰链刚度—系统响应谱样本；

步骤五：通过模型训练与测试获取最优机器学习模型；

将所获得机器学习样本中的70～80%作为训练样本,剩余20～30%作为测试样本；然后针对样本数据特点选择几种适用的机器学习模型，并基于训练和测试样本进行训练和测试，将训练结果进行对比，得到最终的最优机器学习模型；

步骤六，大型空间可展开桁架结构在轨瞬态响应测量；

采用步骤四中的方法，通过在和步骤四相同的激励点处施加激励，在和步骤四相同的测量点处安装传感器测量该大型空间可展开桁架结构的瞬态响应，进而获取该大型空间可展开桁架结构瞬态响应在轨测试数据；

步骤七：基于在轨振动测试数据的大型空间可展开桁架结构关节铰链连接刚度在轨辨识；

将步骤六中获取的大型空间可展开桁架结构瞬态响应在轨测试数据作为输入，采用步骤五中训练得到的最优机器学习模型，对该大型空间可展开桁架结构关节铰链连接刚度进行预测。

2.根据权利要求1所述的大型空间可展开桁架结构关节铰链连接刚度在轨辨识方法，其特征在于：步骤六中，通过在该桁架结构的测量点部位布置加速度传感器、激光位移传感器或双目相机标记点，获取各测量点处的加速度或位移瞬态响应。

3.根据权利要求1所述的大型空间可展开桁架结构关节铰链连接刚度在轨辨识方法，其特征在于：步骤五中，机器学习算法包括BP神经网络算法、RBF神经网络、GRNN神经网络、极限学习机ELM、支持向量机SVM和受限玻尔兹曼机RBM。

4.根据权利要求1或3所述的大型空间可展开桁架结构关节铰链连接刚度在轨辨识方法，其特征在于：步骤五中，将所获得机器学习样本中的75%作为训练样本,剩余25%作为测试样本。