大连理工 传感器锐减92.21%!数字孪生实现复合材料桁架在轨高精度变形重构

卫星天线越做越大,复合材料桁架越来越柔。可一到太空,问题就来了:大尺寸、低刚度结构在动态载荷下容易大幅振动,而真空环境里振动又很难自行衰减,轻则影响观测精度,重则威胁结构安全。

更棘手的是,传统监测手段很难在轨应用:立体视觉、三维激光扫描要么设备占用资源多、易受振动干扰,要么难以随动测量。光纤应变传感器虽然精度高、响应快,但在轨数量受限。如何用稀疏离散的应变数据,反演重构全场变形? 这成了大型航天结构状态感知的核心难题。

近期,大连理工大学、中国空间技术研究院遥感卫星部的研究团队在 Composites Part B: Engineering 发表成果,提出 数字孪生同步全场变形重构(DT-SFDR)框架,用一套"传感器布置机理+自适应正则化"的组合拳,在显著减少传感器数量的同时,把效率和精度同时拉了起来。

01痛点:不是不想测,是"测不起、测不准、测不快"

复合材料桁架是卫星天线等关键结构的核心承载形式。但它有两个天然矛盾:

尺寸大、刚度低:动态载荷下容易大幅振动;

在轨传感器数量有限:不可能密密麻麻贴满应变片。

传统方法要么依赖大量传感器,要么重构精度和效率难以平衡。所以,这项研究要解决的不是单一算法问题,而是从"传感器贴哪里"到"数据怎么算"的全链路问题。

02 破局:DT-SFDR框架,两条主线

该研究提出的 DT-SFDR框架,核心包含两大模块:

1、传感器布置机理;

2、自适应正则化方法。

目标很明确:在动态载荷下,实现高效、高精度的数字孪生同步全场变形重构。

【图1 复合材料桁架DT-SFDR方法的研究框架。】

03 创新一:传感器不是随便贴,纵梁+节点是关键

研究团队先通过多阶模态的应变空间分布分析,找出不同阶次模态应变幅值差异较大的"敏感区域"。

【图2沿梁轴线方向路径1、路径2、路径3的模态应变分布示意图。】

随后,用轴向拉伸、纯扭转、纯弯曲和横向弯曲四种典型变形下的静/动态仿真数据逐一验证。

【图3 (a)轴向拉伸载荷、(b)纯扭转载荷、©纯弯曲载荷、(d)横向弯曲载荷下的静态变形及相应应变分布示意图。】

【图4 (a)轴向拉伸载荷、(b)纯扭转载荷、©纯弯曲载荷、(d)横向弯曲载荷下的四种动态变形及相应应变分布示意图。】

最终总结出一套很明确的布置机制:

优先布置在纵梁,而不是横梁;

优先靠近节点,而不是梁中部;

当传感器数量极少时,聚类布置在桁架固定端附近的节点区域。

【图5 组合变形下传感器布置机理1和2的验证。(a)组合载荷示意图。(b)仿真获得的全场变形。©-(f)分别基于基准布置、纵梁布置、节点布置和梁中部布置的全场变形重构。】

效果有多直接?在8跨复合材料桁架动态加载实验中,传感器从基准布置的 77个 削减到仅 6个,数量减少 92.21%,而全场变形重构精度仅从 99.16% 下降到 91.09%,只下降了 8.14%。

一句话:传感器少了九成多,精度却没"崩"。

04 实验系统:数字孪生平台长什么样?

研究团队搭建了包含复合材料桁架、加载设备、应变/变形采集设备和数字孪生平台的综合实验系统。

【图6 复合材料桁架数字孪生实验系统示意图。】

在实验验证中,系统实现了数字孪生实验、全息投影以及位移采集上位机与数字孪生平台的联动。

【图7 复合材料桁架数字孪生实验验证示意图。(a)数字孪生实验。(b)全息投影。©位移采集上位机与数字孪生平台。】

05 创新二:自适应正则化,把精度从80.98%拉到99.16%

传统模态叠加法在求解模态坐标系数时,可能出现数值不稳定。

研究团队发现了一个关键规律:

最相关应变(应变幅值最大的通道)的重构残差,与全场变形重构精度强相关,相关系数高达0.8968。

基于这个发现,他们构建了以"最小化最相关应变重构残差"为目标的目标函数,并采用 序列二次规划(SQP)梯度算法,实现正则化系数的快速自适应确定。

实际应用中,方法会设定阈值:只有残差超标时才更新正则化系数,避免冗余计算。

实验对比结果显示:相比无正则化方法的 80.98%,采用自适应正则化后精度提升至 99.16%,提升幅度达 18.33%。

【图8 正则化方法与无正则化方法的变形与应变重构结果。(a)-(b)无正则化方法的全场变形与应变重构结果。©-(d)正则化方法的全场变形与应变重构结果。(e)-(f)无正则化方法与正则化方法的全场变形重构精度。

精度上去了,计算还没有被拖垮。

06 核心结果:6个传感器 vs 77个传感器

在8跨复合材料桁架动态加载实验中,该方法实现了:

每帧仅耗时0.007秒;

全场变形重构精度达91.09%;

传感器数量从 77个 降至 6个,减少 92.21%;

精度仅从 99.16% 下降至 91.09%,仅下降 8.14%。

【图9 不同传感器布置下的传感器数量与全场变形重构精度对比。】

也就是说,它不只是"算得快、算得准",还用极少的传感器实现了全场变形重构。

07 拓展验证:两跨复合材料桁架同样适用

除了8跨桁架,研究还针对两跨复合材料桁架开展了实验验证,进一步说明方法的可推广性。

【图10 两跨复合材料桁架实验验证示意图。(a)数字孪生实验。(b)位移采集上位机。©数字孪生平台。】

08 意义:不只服务桁架,更为结构健康监测提供新思路

这项研究的价值,可以概括为三点:

1、为大型复合材料桁架在轨状态感知提供了高精度、高效率技术支撑;

2、用机理分析大幅降低传感器依赖,解决实际工程中"布不下、测不起"的难题;

3、传感器布置机理和自适应正则化思想,可推广到更广泛的结构健康监测与数字孪生建模。

未来,它有望与结构状态评估、振动控制等技术深度融合,进一步提升航天器在轨服役安全性与智能化水平。

一句话总结:

少传感器、高精度、快速度、可视化------这项研究让大型复合材料桁架的在轨变形监测,从"很难做"变成"有路径可做"。

相关推荐
哦哦~92113 天前
Composites Part B:复杂复合材料预制体机器人缝合制造新方案
制造·复合材料
搞科研的小刘选手1 个月前
【郑州轻工业大学主办 | 郑州举办】第三届航空航天、机械与材料工程国际学术会议 (AMME 2026)
材料工程·机械·航空航天·学术会议·会议推荐
哦哦~9211 个月前
北理工|Composites Part‑A 综述:纤维‑增强复合材料传统成型与增材制造全解析
android·制造·复合材料·增材制造
ESBK20251 个月前
学术邀约|CMICA 2026 第二届计算方法、智能控制与航空航天国际会议
大数据·人工智能·算法·飞行器·智能控制·航空航天·计算
杭州华望MBSE3 个月前
应用案例|航空航天:基于AI的飞管飞控系统架构数字模型生成与仿真
数字化·mbse·前沿技术·航空航天·国产工业软件
好好学仿真4 个月前
【论文复现向】基于LSTM的B-SFCB抗拉强度保留率预测:多参数耦合(pH/温度/氯盐/时间),含显式退化模型
机器学习·土木工程·复合材料·材料退化·有限元数据建模·耐久性·bfrp
哦哦~9214 个月前
AI 赋能复合材料力学:机器学习、PINN 与多尺度仿真实战
人工智能·机器学习·复合材料
哦哦~9214 个月前
标题:二维颗粒状In-InOx复合物中的稳健反常金属态及自对偶性的遗迹
复合材料·金属
迪捷软件4 个月前
SkyEye:航空发动机控制系统仿真验证的新路径
航空航天