[发明专利]基于联合仿真的谐振陀螺优化方法和系统

权利要求书

1.一种基于联合仿真的谐振陀螺优化方法，其特征在于，包括：

步骤1：利用MATLAB编写用于谐振陀螺特征模态识别的图像识别算法和用于谐振陀螺结构参数优化的优化算法；

步骤2：利用COMSOL建立谐振陀螺参数化计算模型，输出有限元计算结果；

步骤3：利用MATLAB和COMSOL的数据接口，建立相互传递数据的渠道，实现MATLAB对COMSOL有限元模型的调用，并通过图像识别算法和优化算法实现对谐振陀螺结构参数优化；

所述图像识别算法通过提取图像特征包括颜色特征、纹理特征、形状特征以及局部特征点对图像进行分析和识别，从而获得图像中的模态信息；

所述优化算法包括粒子群算法、遗传算法和布谷鸟算法，在给定约束的微陀螺结构参数的情况下，使得陀螺的性能指标达到最优；

所述步骤1包括：

步骤1.1：在MATLAB中建立图像识别算法，从预设训练集和测试集中提取特征，利用分类器训练得到分类模板，并通过该分类模板进行谐振陀螺仿真特征模态的识别；

步骤1.2：在MATLAB中建立优化算法来优化谐振陀螺结构参数；

步骤1.3：在MATLAB中计算适应度函数；

所述适应度函数包括特征频率大小、品质因子大小和频差大小，根据适应度函数获取当前的结构参数是否满足陀螺的性能需求；

所述步骤2包括：

步骤2.1：在COMSOL中建立谐振陀螺的结构模型，包括陀螺结构的几何参数和变量；

其中：半球谐振陀螺包括球壳厚度、球壳半径、支撑柱长度和支撑柱半径；环形谐振陀螺包括环宽、辐条长度、环数和环厚；质量块陀螺仪包括质量块大小、折叠梁大小和厚度；

步骤2.2：在COMSOL中建立谐振陀螺的有限元模型，计算谐振陀螺的特征频率、品质因子和频差；

通过COMSOL软件中的特征频率计算谐振陀螺的特征频率freq，从而计算得到微陀螺的品质因子Q，公式为：

其中，abs(freq)是特征频率的绝对值，imag(freq)指的是特征频率的虚部；

频差Δf的计算公式为：

Δf＝f_sense-f_drive

其中：f_sense是检测模态频率，f_drive是驱动模态频率；

所述步骤3包括：

步骤3.1：利用接口将MATLAB中的结构优化参数数据传递给COMSOL；

步骤3.2：COMSOL根据结构优化参数数据重建谐振陀螺有限元模型，进行有限元分析，并将计算结果通过接口传递给MATLAB；

步骤3.3：在MATLAB中利用图像识别算法在多个特征模态数据中识别谐振陀螺工作模态，保存工作模态的有限元计算数据；

步骤3.4：在MATLAB中利用优化算法计算优化变量并传递给COMSOL，以进行下一次建模；

基于MATLAB图像识别算法和优化算法与COMSOL有限元计算进行谐振陀螺优化，MATLAB利用优化算法根据计算的适应度值生成m个优化变量，m的大小由谐振陀螺结构参数变量数决定，将优化变量传递给COMSOL，COMSOL根据优化变量重新构建有限元模型，计算得到n个特征模态的品质因子、频差、特征频率，n的大小是由谐振陀螺工作模态决定的；MATLAB利用图像识别算法对COMSOL计算得到的多个特征模态数据进行处理和识别，得到工作模态的计算数据，优化算法将根据得到的计算数据计算个体适应度；

采用支持向量机的图像识别算法的具体步骤如下：

(1)在COMSOL中利用初始参数，得到用于图像识别的模态图片训练集和测试集；

(2)MATLAB中对图片进行预处理，包括灰度化、阈值化、调整大小；

(3)MATLAB中调用graycomatrix()函数提取图片的0、45、90、135度方向的灰度共生矩阵，对灰度共生矩阵进行归一化处理，然后取平均值和方差作为最终提取的特征向量；

(4)MATLAB中调用extractHOGFeatures()函数提取图片的方向梯度直方图，获得相应的特征向量；

(5)取上述步骤获得的两个特征向量的长度之和作为图片特征提取后的总长度，并将灰度共生矩阵特征和方向梯度直方图特征合并成一个向量作为一张特征模态图片的特征向量，并将其模态标签与特征向量相对应；

(6)在MATLAB中通过fitcecoc()函数调用前面得到的训练和测试用的特征向量与对应的标签，得到分类器，在后续的模态识别中直接使用predict()函数调用该分类器即可完成对谐振陀螺各特征模态的识别；

采用遗传算法的具体步骤如下：

(1)初始化遗传参数：种群大小non_pop，最大迭代次数num_iteration，杂交率cross，选择率select，变异率mutation，目标适应度值cost_goal；

(2)初始化种群，计算种群中每个个体的适应度cost；

(3)若迭代次数generationnum_iteration，执行步骤(4)，否则算法结束，返回最优解；

(4)若种群个体最佳适应度best_costcost_goal，算法结束，返回最优解，否则执行步骤(5)；

(5)对种群中的个体进行选择、交叉、变异操作产生新的种群，并计算新的种群中每个个体的适应度，迭代次数generation＝generation+1，执行步骤(3)；

基于支持向量机的图像识别算法与遗传算法的MATLAB和COMSOL联合仿真的谐振陀螺优化设计方法步骤包括：

①MATLAB中初始化遗传参数：种群大小non_pop，最大迭代次数num_iteration，杂交率cross，选择率select，变异率mutation，目标适应度值cost_goal，根据遗传参数产生初始化种群，并将初始化种群数据通过COMSOL WITH MATLAB接口传递给COMSOL；

②COMSOL根据MATLAB传递的数据建立谐振陀螺的有限元模型，获得具有多个特征模态的计算数据，包括模态特征频率、模态品质因子、模态频差，并将这些计算数据通过COMSOLWITH MATLAB接口传递给MATLAB；

③MATLAB中利用支持向量机的图像识别算法在COMSOL所传递数据的特征模态图像中识别出谐振陀螺工作模态，获得所需工作模态的计算数据；

④MATLAB优化算法根据步骤③所获得数据计算种群个体的适应度，如果迭代次数达到最大迭代次数或个体适应度达到收敛条件，则进行步骤⑤，否则退出算法，输出最优解；

⑤对种群中的个体进行选择、交叉、变异操作产生新的种群，并计算新的种群中每个个体的适应度，迭代次数generation＝generation+1，跳转到步骤②。

2.一种基于联合仿真的谐振陀螺优化系统，其特征在于，包括：

模块M1：利用MATLAB编写用于谐振陀螺特征模态识别的图像识别算法和用于谐振陀螺结构参数优化的优化算法；

模块M2：利用COMSOL建立谐振陀螺参数化计算模型，输出有限元计算结果；

模块M3：利用MATLAB和COMSOL的数据接口，建立相互传递数据的渠道，实现MATLAB对COMSOL有限元模型的调用，并通过图像识别算法和优化算法实现对谐振陀螺结构参数优化；

所述图像识别算法通过提取图像特征包括颜色特征、纹理特征、形状特征以及局部特征点对图像进行分析和识别，从而获得图像中的模态信息；

所述优化算法包括粒子群算法、遗传算法和布谷鸟算法，在给定约束的微陀螺结构参数的情况下，使得陀螺的性能指标达到最优；

所述模块M1包括：

模块M1.1：在MATLAB中建立图像识别算法，从预设训练集和测试集中提取特征，利用分类器训练得到分类模板，并通过该分类模板进行谐振陀螺仿真特征模态的识别；

模块M1.2：在MATLAB中建立优化算法来优化谐振陀螺结构参数；

模块M1.3：在MATLAB中计算适应度函数；

所述适应度函数包括特征频率大小、品质因子大小和频差大小，根据适应度函数获取当前的结构参数是否满足陀螺的性能需求；

所述模块M2包括：

模块M2.1：在COMSOL中建立谐振陀螺的结构模型，包括陀螺结构的几何参数和变量；

其中：半球谐振陀螺包括球壳厚度、球壳半径、支撑柱长度和支撑柱半径；环形谐振陀螺包括环宽、辐条长度、环数和环厚；质量块陀螺仪包括质量块大小、折叠梁大小和厚度；

模块M2.2：在COMSOL中建立谐振陀螺的有限元模型，计算谐振陀螺的特征频率、品质因子和频差；

通过COMSOL软件中的特征频率计算谐振陀螺的特征频率freq，从而计算得到微陀螺的品质因子Q，公式为：

其中，abs(freq)是特征频率的绝对值，imag(freq)指的是特征频率的虚部；

频差Δf的计算公式为：

Δf＝f_sense-f_drive

其中：f_sense是检测模态频率，f_drive是驱动模态频率；

所述模块M3包括：

模块M3.1：利用接口将MATLAB中的结构优化参数数据传递给COMSOL；

模块M3.2：COMSOL根据结构优化参数数据重建谐振陀螺有限元模型，进行有限元分析，并将计算结果通过接口传递给MATLAB；

模块M3.3：在MATLAB中利用图像识别算法在多个特征模态数据中识别谐振陀螺工作模态，保存工作模态的有限元计算数据；

模块M3.4：在MATLAB中利用优化算法计算优化变量并传递给COMSOL，以进行下一次建模；

基于MATLAB图像识别算法和优化算法与COMSOL有限元计算进行谐振陀螺优化，MATLAB利用优化算法根据计算的适应度值生成m个优化变量，m的大小由谐振陀螺结构参数变量数决定，将优化变量传递给COMSOL，COMSOL根据优化变量重新构建有限元模型，计算得到n个特征模态的品质因子、频差、特征频率，n的大小是由谐振陀螺工作模态决定的；MATLAB利用图像识别算法对COMSOL计算得到的多个特征模态数据进行处理和识别，得到工作模态的计算数据，优化算法将根据得到的计算数据计算个体适应度；

采用支持向量机的图像识别算法的具体步骤如下：

(1)在COMSOL中利用初始参数，得到用于图像识别的模态图片训练集和测试集；

(2)MATLAB中对图片进行预处理，包括灰度化、阈值化、调整大小；

(3)MATLAB中调用graycomatrix()函数提取图片的0、45、90、135度方向的灰度共生矩阵，对灰度共生矩阵进行归一化处理，然后取平均值和方差作为最终提取的特征向量；

(4)MATLAB中调用extractHOGFeatures()函数提取图片的方向梯度直方图，获得相应的特征向量；

(5)取上述步骤获得的两个特征向量的长度之和作为图片特征提取后的总长度，并将灰度共生矩阵特征和方向梯度直方图特征合并成一个向量作为一张特征模态图片的特征向量，并将其模态标签与特征向量相对应；

(6)在MATLAB中通过fitcecoc()函数调用前面得到的训练和测试用的特征向量与对应的标签，得到分类器，在后续的模态识别中直接使用predict()函数调用该分类器即可完成对谐振陀螺各特征模态的识别；

采用遗传算法的具体步骤如下：

(1)初始化遗传参数：种群大小non_pop，最大迭代次数num_iteration，杂交率cross，选择率select，变异率mutation，目标适应度值cost_goal；

(2)初始化种群，计算种群中每个个体的适应度cost；

(3)若迭代次数generationnum_iteration，执行步骤(4)，否则算法结束，返回最优解；

(4)若种群个体最佳适应度best_costcost_goal，算法结束，返回最优解，否则执行步骤(5)；

(5)对种群中的个体进行选择、交叉、变异操作产生新的种群，并计算新的种群中每个个体的适应度，迭代次数generation＝generation+1，执行步骤(3)；

基于支持向量机的图像识别算法与遗传算法的MATLAB和COMSOL联合仿真的谐振陀螺优化设计方法步骤包括：

①MATLAB中初始化遗传参数：种群大小non_pop，最大迭代次数num_iteration，杂交率cross，选择率select，变异率mutation，目标适应度值cost_goal，根据遗传参数产生初始化种群，并将初始化种群数据通过COMSOL WITH MATLAB接口传递给COMSOL；

②COMSOL根据MATLAB传递的数据建立谐振陀螺的有限元模型，获得具有多个特征模态的计算数据，包括模态特征频率、模态品质因子、模态频差，并将这些计算数据通过COMSOLWITH MATLAB接口传递给MATLAB；

③MATLAB中利用支持向量机的图像识别算法在COMSOL所传递数据的特征模态图像中识别出谐振陀螺工作模态，获得所需工作模态的计算数据；

④MATLAB优化算法根据步骤③所获得数据计算种群个体的适应度，如果迭代次数达到最大迭代次数或个体适应度达到收敛条件，则进行步骤⑤，否则退出算法，输出最优解；

⑤对种群中的个体进行选择、交叉、变异操作产生新的种群，并计算新的种群中每个个体的适应度，迭代次数generation＝generation+1，跳转到步骤②。