识别航天器空间微小碎片撞击事件的超声传感器布局方法技术

本发明专利技术提供一种识别航天器空间微小碎片撞击事件的超声传感器布局方法，首先对连续结构离散化为点云集，在传感器布局优化过程中，引入德洛内三角剖分和泰森多边形网络图，使得优化布局过程被定量化表征与控制，并基于遗传优化算法对传感器布局进行优化，最终得到同时满足高敏感度约束、畸变最小化约束、模糊区域最小化约束条件的传感器布局，因此，本发明专利技术具有高功效识别空间微小碎片撞击事件的特点，且可保证识别效能可设计，以高效支撑在轨对空间微小碎片撞击的感知和识别。微小碎片撞击的感知和识别。微小碎片撞击的感知和识别。

【技术实现步骤摘要】
识别航天器空间微小碎片撞击事件的超声传感器布局方法


[0001]本专利技术属于航天器设备安全领域，尤其涉及一种识别航天器空间微小碎片撞击事件的超声传感器布局方法。

技术介绍

[0002]空间微小碎片(毫米尺度及以下)因分布密度大，难以全面监测跟踪及防护等，已成为威胁航天器在轨运行的重要安全隐患。尤其对由若干个舱段连接构成的密封舱体，微小碎片撞击事件及累积效应，会导致其表面性能退化或直接产生缺陷，加剧密封舱体结构资源在轨消耗速率，甚至造成密封舱体泄漏。
[0003]为降低其在轨服役风险水平，做到“知己知彼，百战不殆”。一般在密封舱体上分布布局若干超声传感器，分布感知微小碎片撞击产生的弹性波动信号及传播，逐步对其受微小碎片撞击事件进行区域化识别，进而实现舱体全部高威胁区域的识别，以实现对事件的监测预报。但是，上述做法的识别能力，与使用的若干传感器的位置分布密切相关，以往关于传感器布局的做法多依据工程经验主观臆断,即凭工程经验主观布局，若事后发现识别策略存在不足，再优化代价非常大。

技术实现思路

[0004]为解决上述问题，本专利技术提供一种识别航天器空间微小碎片撞击事件的超声传感器布局方法，基于Delaunay三角网络、Voronoi图对空间密封舱体结构进行传感器布局，能够实现航天器受空间微小碎片撞击事件的高功效识别。
[0005]一种识别航天器空间微小碎片撞击事件的超声传感器布局方法，包括以下步骤：
[0006]S1：在给定传感器容量和初始位置的基础上，分别获取传感器在航天器上的泰森多边形网络图和德洛内三角形网络图，其中，各泰森多边形内均设有一个传感器，德洛内三角形的三个顶点即为传感器位置；
[0007]S2：判断泰森多边形网络图是否满足布局敏感度最大化约束以及德洛内三角形网络图是否满足畸变最小化约束，若同时满足，进入步骤S3，否则调整传感器的初始位置后重新执行步骤S1～S2；
[0008]S3：判断航天器各舱段的邻接处在当前传感器布局下是否满足模糊区域最小化约束，若为是，则得到最终的传感器布局，否则采用遗传算法调整邻接处的传感器布局或增加邻接处的传感器数量，直到满足模糊区域最小化约束。
[0009]进一步地，若泰森多边形网络图满足布局敏感度最大化约束，则构成泰森多边形网络图的每一个泰森多边形均满足布局敏感度最大化约束，判断每一个泰森多边形是否满足布局敏感度最大化约束的方法为：
[0010]对于任意一个传感器i，分别计算其到包含自身的泰森多边形边界的最大距离d
0,i
、包含自身的泰森多边形区域内点与相邻的泰森多边形中的传感器之间的最大距离d
s,i
，并判断max{d
0,i
,d
s,i
}是否不超过单个传感器可感知的微小碎片撞击事件信号最远距
离d
max,cr
，若为是，则当前泰森多边形满足布局敏感度最大化约束。
[0011]进一步地，若德洛内三角形网络图满足畸变最小化约束，则德洛内三角形网络图中的每一个德洛内三角形均满足畸变最小化约束，判断每一个德洛内三角形是否满足畸变最小化约束的方法为：
[0012]对于任意一个德洛内三角形，计算其内角最小值、纵横比最大值，判断内角最小值是否不小于25
°
且纵横比最大值是否小于5，若同时满足，则当前德洛内三角形满足畸变最小化约束。
[0013]进一步地，判断航天器各舱段的邻接处在当前传感器布局下是否满足模糊区域最小化约束的方法为：
[0014]在各舱段的邻接处的指定位置模拟撞击响应，对于每一个指定位置，提取邻近的最快响应的至少四个传感器的编号及响应时延作为特征向量，再基于特征向量进行聚类分析，得到当前指定位置所属的预测舱段；判断当前指定位置所属的实际舱段和预测舱段是否相同，若相同，则当前指定位置为非模糊区，否则，当前指定位置为模糊区；
[0015]统计所有被判断为模糊区的指定位置的区域面积，判断区域面积是否不大于设定范围，若为是，则航天器各舱段的邻接处在当前传感器布局下满足模糊区域最小化约束。
[0016]进一步地，航天器各舱段的邻接处在当前传感器布局下不满足模糊区域最小化约束时，首先采用遗传算法调整邻接处的传感器布局，若遗传算法经过设定迭代次数后仍未得到满足模糊区域最小化约束的传感器布局，再在保证传感器数量不超过设定上限的条件下增加邻接处的传感器数量，直到得到满足模糊区域最小化约束的传感器布局。
[0017]进一步地，传感器容量和初始位置根据航天器密封舱体受微小碎片撞击事件识别需求、传感器安装可行性以及以往的工程经验来设定。
[0018]有益效果：
[0019]1、本专利技术提供一种识别航天器空间微小碎片撞击事件的超声传感器布局方法，首先对连续结构离散化为点云集，在传感器布局优化过程中，引入德洛内三角剖分和泰森多边形网络图，使得优化布局过程被定量化表征与控制，并基于遗传优化算法对传感器布局进行优化，最终得到同时满足高敏感度约束、畸变最小化约束、模糊区域最小化约束条件的传感器布局，因此，本专利技术具有高功效识别空间微小碎片撞击事件的特点，且可保证识别效能可设计，以高效支撑在轨对空间微小碎片撞击的感知和识别。
[0020]2、本专利技术提供一种识别航天器空间微小碎片撞击事件的超声传感器布局方法，当传感器可实施性受舱体构型条件限制时，采，可结合实际条件对遗传优化结果进行微调，微调后的结果应通过高敏感度约束、畸变最小化约束、模糊区域最小化约束条件复核，最终得到同时满足上述三种约束条件的科学的传感器布局，以高效支撑在轨对空间微小碎片撞击的感知和识别。
[0021]3、本专利技术提供一种识别航天器空间微小碎片撞击事件的超声传感器布局方法，对于不同型号航天器的密封/非密封壳体组合结构，本专利技术稍作适应性调整，即可给出同时满足上述三种约束条件的科学的传感器布局，具有较好的通用性。
附图说明
[0022]图1为本专利技术的超声传感器布局方法的流程图；
[0023]图2为为某密封舱撞击监测用超声传感器布局优化效果示意图。
具体实施方式
[0024]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
[0025]本专利技术在传感器布局优化中，引入基于德洛内三角形网络、泰森多边形网络图的图形化优化与评价，并基于遗传算法的数值化优化与评价手段，以在规定的工程约束条件下，实现单一传感器布局高敏感度、局部区域识别策略畸变最小化、舱段间识别策略模糊区域最小化为目标，给出最佳传感器布局策略，以高效支撑在轨对空间微小碎片撞击的感知和识别。具体的，如图1所示，一种识别航天器空间微小碎片撞击事件的超声传感器布局方法，包括以下步骤：
[0026]S1：在给定传感器容量和初始位置的基础上，分别获取传感器在航天器上的泰森多边形网络图和德洛内三角形网络图，其中，各泰森多边形内均设有一个传感器，德本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种识别航天器空间微小碎片撞击事件的超声传感器布局方法，其特征在于，包括以下步骤：S1：在给定传感器容量和初始位置的基础上，分别获取传感器在航天器上的泰森多边形网络图和德洛内三角形网络图，其中，各泰森多边形内均设有一个传感器，德洛内三角形的三个顶点即为传感器位置；S2：判断泰森多边形网络图是否满足布局敏感度最大化约束以及德洛内三角形网络图是否满足畸变最小化约束，若同时满足，进入步骤S3，否则调整传感器的初始位置后重新执行步骤S1～S2；S3：判断航天器各舱段的邻接处在当前传感器布局下是否满足模糊区域最小化约束，若为是，则得到最终的传感器布局，否则采用遗传算法调整邻接处的传感器布局或增加邻接处的传感器数量，直到满足模糊区域最小化约束。2.如权利要求1所述的一种识别航天器空间微小碎片撞击事件的超声传感器布局方法，其特征在于，若泰森多边形网络图满足布局敏感度最大化约束，则构成泰森多边形网络图的每一个泰森多边形均满足布局敏感度最大化约束，判断每一个泰森多边形是否满足布局敏感度最大化约束的方法为：对于任意一个传感器i，分别计算其到包含自身的泰森多边形边界的最大距离d
0,i
、包含自身的泰森多边形区域内点与相邻的泰森多边形中的传感器之间的最大距离d
s,i
，并判断max{d
0,i
,d
s,i
}是否不超过单个传感器可感知的微小碎片撞击事件信号最远距离d
max,cr
，若为是，则当前泰森多边形满足布局敏感度最大化约束。3.如权利要求1所述的一种识别航天器空间微小碎片撞击事件的超声传感器布局方法，其特征在于，若德洛内三角形网络图满足畸变最小化约束，则德洛内三角形网络图中的每...

【专利技术属性】
技术研发人员：王磊，周浩，温楠，施丽铭，常洁，张琳，李林凌，
申请(专利权)人：北京空间飞行器总体设计部，
类型：发明
国别省市：