[发明专利]一种基于群智能优化算法下的水下折展机构参数优化方法

说明书

本发明提供了一种基于群智能优化算法的水下折展机构参数优化方法，利用仿真模拟、模型预测、算法优化等技术对水下折展机构进行分析，通过改变倒角、减少连杆厚度等方法在保证结构强度的基础上减少水阻力对机构水下性能的影响，提高水下折展机构的操作流畅性与工作可靠性。本发明的突出特点在于：利用流固耦合仿真模拟获取不同外形参数下的工作性能参数、借助BP神经网络模型与支持向量回归模型SVR联合预测，快速扩充数据集，使用粒子群优化算法，通过粒子寻优对数据进行分析，获取最优性能参数下的结构参数，探索并实现符合实际生产需求的结构最优目标。

技术领域

本发明涉及水下大尺寸机构参数优化技术领域，具体涉及一种基于粒子群算法，利用双神经网络模型获取水下折展机构最优外形参数的优化方法。

背景技术

目前，各种水下甚至深海探测和科研考察项目逐步兴起，水下设备的使用更加频繁，对性能的要求也更高。众所周知，水下器件在使用过程中会受到水流阻力与压力的作用，对器件的正常运转和高精度要求产生影响。当水流与物体相对运动时，物体与流体接触面上的作用力产生沿运动方向的分力。液体实际流动时，由于液体本身具有粘滞性，紧贴固体壁面的液体质点将粘附在壁面上，液体流速从固体壁面上零值增加到主流流速，形成一定的流速梯度。根据牛顿内摩擦定律，这种流速梯度的存在，会引起相邻液体层间的摩擦切力，即水阻力。随着海洋开发力度的加大，人们对于各种水下器件的总体性能提出了更高的要求。良好的水阻力性能可使水下器件具备更好的实用性，减少能耗，增加器件使用寿命，同时也有利于开展精密度要求高的科研及工程项目。

现有水下器械构造大多离不开水下折展机构，而水下器件的折展机构及其折展过程无疑受到水阻力的严重影响，以往器件结构设计中常常使用减少器件与水的接触面积来减少水阻，如使用网面结构或在器件面上增加孔状结构以减少受力面积及辅助液体流动等，但是这种设计理念所产出的器件在减少水阻力的同时，也无疑降低了机构的稳定性，减少了操作力、承重力。

为获取水下折展机构的最优性能，减少材料损耗，本发明在双神经网络模型的基础上，引进粒子群算法，对水下折展机构的相关外形参数进行快速优化，继而达到最佳的使用效果。

发明内容

基于上述问题，本发明提供了一种基于群智能优化算法（粒子群算法）的水下折展机构参数优化方法，利用流固耦合仿真模拟、神经网络模型预测、算法优化等技术对水下折展机构进行分析，通过改变倒角、减少连杆厚度等方法在保证结构强度的基础上减少水阻力对机构水下性能的影响，提高水下折展机构的操作流畅性与工作可靠性。本发明的突出特点在于：利用流固耦合仿真模拟获取不同外形参数下的工作性能参数、借助BP（BackPropagation）神经网络模型与支持向量回归模型（SVR）联合预测，快速扩充数据集，使用粒子群算法，通过粒子寻优对数据进行分析，获取最优性能参数下的结构参数，探索并实现符合实际生产需求的结构最优目标。

本发明的技术方案为一种基于群智能优化算法的水下折展机构参数优化方法，具体步骤包括：

步骤S1，确定水下折展机构性能的参数优化目标，包括水阻力系数、杆件形变量；

步骤S2，通过流固耦合仿真，获取不同倒角参数下折展机构所受水阻力系数的数据集，记为样本数据集1；获取不同连杆厚度参数下折展机构所受杆件形变量的数据集，记为样本数据集2；

步骤S3，借助神经网络进一步扩充样本数据集1和样本数据集2；分别将样本数据集1和数据样本集2划分为训练集与验证集，训练集用于训练基学习器，验证集用于验证基学习器的拟合效果，最终得到不同倒角参数与折展机构水阻力系数之间的预测模型，以及不同连杆厚度参数与折展机构杆件形变量的预测模型；通过预测模型快速扩充数据集，为粒子寻优提供充足的数据集；

步骤S4，通过粒子寻优算法，获取最优输出参数（水阻力系数、杆件形变量）对应下的最佳输入参数（不用倒角、不同杆件厚度），指导水下折展机构的参数优化。

步骤S2中流固耦合仿真的详细步骤为：