一种微型扑翼飞行器翅膀智能参数化设计方法与流程

本发明涉及计算机领域，尤其涉及一种扑翼机器人翅膀智能参数化设计方法。

背景技术：

微型飞行器(microairvehicle,简称mav)1992年，美国兰德公司的研究小组在一份报告中首次提出了该概念，美国darpa早先提出的定义：微型飞行器(mav)是指翼展小于15cm这一类的飞行器。其质量从十几克到上百克，飞行速度达到60km/h左右，续航时间从20分钟到60分钟之间，并有携带负载、成像、精确定位等能力。微型飞行器根据产生升力的方式分为三类：1)固定翼(fixedwing),此类微型飞行器采用固定翼飞行模式，外形类似于盘状飞盘，并由微电机驱动螺旋桨产生推力，通常采用锂电池提供能源，并结合着微型飞行控制系统使该此类微型飞行器快速飞行。2)旋翼(rotarywing)，该类微型飞行器是一种旋翼飞行器包括单旋翼驱动，四旋翼驱动等，能够垂直起降与悬停，因此比较适合在空间狭小或地形复杂人类难以到达的地域环境中作业。3)扑翼(flappingwing),该类mav是一种仿生飞行的扑翼mav，此类微型飞行器不仅仅具有前飞功能同时具有悬停功能，重要的是采用扑翼方式进行驱动产生升力。

然而，固定翼和旋翼微型飞行器在研制和试验当中发现其存在升力低，难以稳定，尺寸限制等问题，这些阻碍了飞行器微型化历程。传统飞行器已经满足不了日益进步的科技需求，于是人们想寻找另外一种更为高效灵活的微型飞行器。

微型扑翼飞行器(flapping-wingmav,简称fwmav)，是利用上下扑动的双翼产生主要的升力的飞行器，是人类从自然中得到启发，在仿生学原理下设计的新型飞行器。在低雷诺数下，相对传统的固定翼飞行器，扑翼飞行方式具有巨大的优越性。相比固定翼和旋翼飞行器，微型扑翼飞行器具有：体型小、灵活度高、可操作性好、隐蔽性大、飞行效率高等特点，是一个集偏航、悬停、翻转等功能为一体的扑翼系统。并研究表明：对于翼展小于150mm的微型飞行器，扑翼飞行比固定翼和旋翼飞行更具优势。

现有技术中，设计人员采用人工的方式调整fwmav的翅膀设计参数，需要花费巨大时间和精力。

技术实现要素：

本发明提出一种微型扑翼飞行器翅膀智能参数化设计方法，能够提升mav翅膀的动力学性能。

采用以下步骤进行翅膀的参数化设计:

(1)在x-y坐标系中生成mav翅膀上、下两部分的关键点序列，即:上部分ai(i＝1...n)和下部分bi(i＝1...m)，n和m为a点和b点序列的数量，a点和b点用坐标数据(x,y)表示：

(2)几何建模：采用二次插值样条曲线，连接上述步骤生成的关键点，形成mav翅膀的几何外形；二次插值样条曲线可参考https://blog.csdn.net/zl908760230/article/details/53967828。

(3)根据以上步骤生成的翅膀的几何外形，计算选定与性能有关的几何和物理参数；

(4)定义具有设计目标的几何参数来定义适应度函数，优化计算获得mav翅膀的几何外形。

生成关键序列点的方法为：

(1)初始化关键点序列，将a和b的坐标数据(x,y)全部赋值为0；

(2)生成a序列和b序列，具体步骤为：

a序列，其坐标描述为:

{a1(xa1,ya1),a2(xa2,ya2),...,ai(xai,yai),...,an(xan,yan)},n为a点的数量，i＝1...n

x坐标值，在指定的区间[0,xmax]内均匀分布随机产生数据点，满足以下条件:

0<xa1<xa2<...<xai<...<xan<＝xmax(1)

y坐标值，在指定的区间[0,ymax]内均匀分布随机产生数据点，满足以下条件:

0<ya1<ya2<...<yai<...<yan<＝ymax(2)

b序列其坐标描述为:

{b1(xb1,yb1),b2(xb2,yb2),...,bi(xbi,ybi),...,bm(xbm,ybm)},m为b点的数量，i＝1...m

x坐标值，在指定的区间[0,xmax]内均匀分布随机产生数据点，满足以下条件:

0<xb1<xb2<...<xbi<...<xbn<＝xmax(3)

y坐标值，在指定的区间[0,ymax]内均匀分布随机产生数据点，满足以下条件:

0<yb1<yb2<...<ybi<...<ybn<＝ymax(4)

a和b关键点的y坐标需要满足：

0<max(ybi)<min(yai)<＝ymax(5)

与mav翅膀性能有关的几何和物理参数为质心位置(cl)或压力中心(cp)。

质心位置或压力中心按以下步骤获得：

步骤1，mav翅膀上、下两部分序列点ai(i＝1,…,n)和bi(i＝1,…,m),组成数组[ai,bi],各个点的位置用x,y表示，ai(ai1,ai2),bi(bi1,bi2)，组成x,y坐标的行列式如下式:

步骤2，计算行列式得到ci(i＝1,…,n+m)，如下：

步骤3，设d＝c1+…+ci-1+…+cn-1+cn+cn+1+…+cn+i+…+cn+m；

步骤4，由点[ai,bi]围成的面积area＝|d/2|；

步骤5，计算坐标x，y的平均值xm，ym，然后计算相对位置x，y如下：

x＝x-xm；y＝y-ym；

步骤6，计算压力中心(xp，yp)和xc，yc：

xp＝x([2：end1]);

yp＝y([2：end1]);

a＝x·＊yp-xp·＊y；

area＝sun(a)/2

xc＝sum((x+xp)·^*a)/6/area；

yc＝sum((y+yp)·^*a)/6/area；

步骤7，计算质心位置(x_cen，y_cen)

x_cen＝xc+xm；

y_cen＝yc+ym。

定义具有设计目标的几何参数来定义适应度函数，通过优化计算获得mav翅膀的几何外形

适应度函数的确定如下：

s1、对仿蜂鸟扑翼微型飞行器翅翼的外形进行参数化表达，确定柔性翼的分布式翅翼刚度；具体包括：

s11、如图2所示，为本发明的翅翼简化外形模型，为一直角梯形，但也可以为三角形或矩形；图中r，cr和ct分别为翅翼的翼展、翼根弦长和翼尖弦长(当cr＝ct时，即为矩形，这两个值任一为0时，则为三角形)，顺翼展方向距离r时的弦长c如公式(1)所示：

公式(1)中的ar定义为翼展r与平均弦长的比值：

则翅翼的面积可表示为：

s12、选用一个参数含有翅翼的分布式刚度在内的准定常空气动力学模型，将翅翼的分布式刚度作为未知量并运用最小二乘法思想建立以空气动力学模型输出升力与实验测量升力差值最小为目标的优化模型，求解之得到翅翼的分布式刚度。

附图说明

图1是翅膀优化设计流程图；

图2是翅膀的参数化建模图；

图3是翅膀的优化设计流程图；

图4是翅膀的简化模型图；

图5是翅膀的简化模型中的质心和压力中心位置图；

图6是优化后的翅膀举例一；

图7是优化后的翅膀举例二。

具体实施方式

如图1所示，一种微型扑翼飞行器翅膀智能参数化设计方法，采用以下步骤进行翅膀的参数化设计:

(1)前处理过程，通过关键点生成、几何建模得到翅膀的几何形状；

(2)对mav翅膀建模进行优化设计，采用人工智能算法集成优化求解器对适应度函数进行优化求解：

(3)后处理过程，根据优化求解过程画出mav翅膀。

其中，如图2所示，前处理过程包括关键点生成和几何建模：

[1]关键点生成

1.初始化‘关键点序列’，其中，“关键点”分为上部分ai(i＝1...n)和下部分bi(i＝1...m)，n和m为a点和b点序列的数量。初始化的方法，是把a和b的坐标数据(x,y)全部赋值为0.

2.生成关键点序列。具体步骤为：

2.1a序列，其坐标描述为:

{a1(xa1,ya1),a2(xa2,ya2),...,ai(xai,yai),...,an(xan,yan)},n为a点的数量，i＝1...n

(1)x坐标值，在指定的区间[0,xmax]内均匀分布随机产生数据点，满足以下条件:

0<xa1<xa2<...<xai<...<xan<＝xmax(1)

(2)y坐标值，在指定的区间[0,ymax]内均匀分布随机产生数据点，满足以下条件:

0<ya1<ya2<...<yai<...<yan<＝ymax(2)

2.2b序列其坐标描述为:{b1(xb1,yb1),

b2(xb2,yb2),...,bi(xbi,ybi),...,bm(xbm,ybm)},m为b点的数量，i＝1...m

(3)x坐标值，在指定的区间[0,xmax]内均匀分布随机产生数据点，满足以下条件:

0<xb1<xb2<...<xbi<...<xbn<＝xmax(3)

(4)y坐标值，在指定的区间[0,ymax]内均匀分布随机产生数据点，满足以下条件:

0<yb1<yb2<...<ybi<...<ybn<＝ymax(4)

a和b关键点的y坐标需要满足：

0<max(ybi)<min(yai)<＝ymax(5)

[2]几何建模：

基于以上’关键点’序列a和b，采用‘二次样条曲线’算法，具体算法见https://blog.csdn.net/zl908760230/article/details/53967828，分别生成a和b上下两段样条曲线，并且在两个地方连接起来,形成光滑的闭环翅膀形状:

(1)an点和b1点连接起来。

(2)a1点和bm点连接起来。

[3]对mav翅膀建模进行优化设计

根据以上步骤生成的翅膀形状作为初始坐标，计算选定与性能有关的几何和物理参数。性能参数为计算质心和压力中心。

步骤1，mav翅膀上、下两部分序列点ai(i＝1,…,n)和bi(i＝1,…,m),组成数组[ai,bi],各个点的位置用x,y表示，ai(ai1,ai2),bi(bi1,bi2)，组成x,y坐标的行列式如下式:

步骤2，计算行列式得到ci(i＝1,…,n+m)，如下：

步骤3，设d＝c1+…+ci-1+…+cn-1+cn+cn+1+…+cn+i+…+cn+m；

步骤4，由点[ai,bi]围成的面积area＝|d/2|；

步骤5，计算坐标x,y的平均值xm,ym，然后计算相对位置x,y如下：

x＝x-xm；y＝y-ym；

步骤6,计算压力中心(xp,yp)和xc,yc，压力中心显示在图1中cp(xc21,yc22)：

xp＝x([2：end1]);

yp＝y([2：end1]);

a＝x·^＊yp-xp·^＊y；

area＝sum(a)/2

axc＝sum((x+xp)·^*a)/6/area；

yc＝sum((y+yp)·^*a)/6/area；

步骤7,计算质心位置(x_cen,y_cen)，即图1中的centroid(x21,y22)

x_cen＝xc+xm；

y_cen＝yc+ym。

定义具有设计目标的几何参数来定义适应度函数,如图3所示，具体的定义方法如下描述：

采用压力中心的等效计算方法:

根据前述关键点序列a和b获得的翅膀几何图形，如图2所示，将其采用简化模型进行参数表达，简化模型可以为一直角梯形，或三角形或矩形，如图4所示，参数包括翼根弦长cr和翼尖弦长ct及翅翼翼展r；

计算该简化图形模型的质心位置centroid(x11,y12)和压力中心cp(xc11,yc12)，如图5所示，计算方法可参考

http://www-mdp.eng.cam.ac.uk/web/library/enginfo/aerothermal_dvd_only/aero/fprops/statics/node20.html中压力中心的计算方法；

其中转动惯量ixyc和ixc,具体描述方法可参见:

http://au.mathworks.com/matlabcentral/fileexchange/319-polygeom-m

以压力中心点cp为等效点，将通过关键点生成的翅膀形状形成的压力中心等效于简化模型中的压力中心，即设置xc21＝xc11,yc22＝yc21,r相同，参见图2和5

求解方程组：cr和ct为变量

得到的翼根弦长cr和翼尖弦长ct解为：

采用狼群算法或其它优化方法对对翼根弦长cr和翼尖弦长ct等进行优化。其中狼群算法可使用现有已公开的狼群算法，也可以使用本申请人的“一种模拟狼群行为的计算智能优化方法”专利申请(申请号：2018100504317)

[4]根据上述优化设计得到图6和图7的mav翅膀。