【技术实现步骤摘要】
一种基于RBF动网格的仿生机器鱼驱动优化方法
本专利技术属于仿生流体力学
，具体涉及一种基于RBF动网格的仿生机器鱼驱动优化方法。
技术介绍
长期以来，生物学家一直对水生生物如何能够在水下高效地推进游动很感兴趣。随着近年来机电一体化研究的进展，仿生学和生物力学开始成为一个活跃的研究领域，许多仿生技术被开发出来以帮助人类，其中就包括利用鱼类游动机理设计的仿生机器鱼。自然界中绝大多数鱼类都采用身体波状摆动的推进方式，例如采用鳗鲡模式的鳗鱼，采用鲹科模式的金枪鱼、鲨鱼等。这种驱动模式是经过亿万年自然选择的结果，已被证明可在最小能耗下达到最理想的游动速度。因此，模仿鱼类游动的仿生机器鱼将获得鱼类的超强游动能力，相比于采用螺旋桨驱动的传统水下机器人，新型的仿生机器鱼噪音更小、机动性更强、推进效率更高，是未来水下机器人发展的重要方向。当前，对鱼类推进方式的研究主要以物理实验为主，研究者们通过粒子图像测速(ParticleImageVelocity，PIV)技术来获得鱼体流动力学特征的实验数据。然而，由于现实中的活鱼难以控制...
【技术保护点】
1.一种基于RBF动网格的仿生机器鱼驱动优化方法，其特征在于，包括以下步骤：/n获取仿生机器鱼的驱动模型，根据所述驱动模型采用序列近似优化方法构建设计变量和目标函数，对所述设计变量进行拉丁超立方体采样，通过CFD数值模拟得到训练样本集，所述目标函数是以所述驱动模型中摆动波长和摆动频率为设计变量确定的；/n根据所述训练样本集构建近似模型，通过智能算法对近似模型进行寻优操作，得到当前时刻采样点；/n获取仿生机器鱼的初始化网格数据；将所述初始化网格数据划分为m个子网格块，得到m个主从模式的进程获取对应的子网格数据；所述主从模式的进程包括一个主进程和多个从进程；/n根据所述子网格数...
【技术特征摘要】
1.一种基于RBF动网格的仿生机器鱼驱动优化方法，其特征在于，包括以下步骤：
获取仿生机器鱼的驱动模型，根据所述驱动模型采用序列近似优化方法构建设计变量和目标函数，对所述设计变量进行拉丁超立方体采样，通过CFD数值模拟得到训练样本集，所述目标函数是以所述驱动模型中摆动波长和摆动频率为设计变量确定的；
根据所述训练样本集构建近似模型，通过智能算法对近似模型进行寻优操作，得到当前时刻采样点；
获取仿生机器鱼的初始化网格数据；将所述初始化网格数据划分为m个子网格块，得到m个主从模式的进程获取对应的子网格数据；所述主从模式的进程包括一个主进程和多个从进程；
根据所述子网格数据和当前时刻采样点生成仿生机器鱼对应的边界运动方程；
通过从进程将对应的子网格数据发送至主进程，通过所述主进程将接收到每个所述从进程发送的子网格数据进行重组，得到全局边界坐标数据；通过所述主进程将所述全局边界坐标数据划分为m等份，平均分配给每个从进程；
通过RBF算法对各进程进行并行计算，得到更新网格数据；
根据所述更新网格数据，得到流体控制方程，根据所述流体控制方程，确定当前时刻采样点对应的推进效率；
当上一时刻采样点的推进效率与当前时刻采样的推进效率的比值小于预定的阈值时，输出最优驱动模型。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当上一时刻采样点的推进效率与当前时刻采样点的推进效率的比值大于预定的阈值时，将当前时刻采样点和当前时刻采样点对应的推进效率数值添加到训练样本集中，得到更新的训练样本集；
根据更新的训练样本集，更新所述近似模型，对更新后的近似模型进行寻优操作，得到下一时刻采样点。
3.根据权利要求1所述的方法，其特征在于，通过RBF算法对各进程进行并行计算，得到更新网格数据，包括：
各从进程均通过贪心循环算法并行计算得到对应的控制点；
根据各从进程对应的控制点并行计算各从进程对应的内部网格点位移；
根据各从进程对应的内部网格点位移对所述初始化...
【专利技术属性】
技术研发人员：李超，郭晓威，杨灿群，吴诚堃，徐传福，张翔，高翔，赵然，番丝江，刘毅，张森，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。