新型光学动态靶标结构刚度有限元分析

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (14): 100-102.

新型光学动态靶标结构刚度有限元分析

李博^1,2,王伟娜³,唐杰¹

1.中国科学院长春光学精密机械与物理研究所，长春 130033
2.中国科学院研究生院，北京 100039
3.河南交通职业技术学院，郑州 450052

收稿日期:2007-09-05 修回日期:2007-12-17 出版日期:2008-05-11 发布日期:2008-05-11
通讯作者: 李博

Finite element stiffness analysis of novel optical dynamic target’s structure

LI Bo^1,2,WANG Wei-na³,TANG Jie¹

1.Changchun Institute of Optics，Fine Mechanics and Physics，Chinese Academy of Sciences，Changchun 130033，China
2.Graduate University of Chinese Academy of Sciences，Beijing 100039，China
3.Henan Communication Vocational Technology College，Zhengzhou 450052，China

Received:2007-09-05 Revised:2007-12-17 Online:2008-05-11 Published:2008-05-11
Contact: LI Bo

摘要/Abstract

摘要： 为了更好的对光电经纬仪进行室内检测，提出了一种新型光学动态靶标，并对其优点和结构进行分析。基于材料力学原理建立靶标三维实体造型，以有限元分析软件NX Nastran为辅助工具，对新型动态靶标的结构刚度进行分析，得出各个部件在靶标工作过程中的变形量，并计算靶标整体精度。结果表明，新型靶标结构形式合理、刚度良好，其俯仰角误差3.18″、方位角误差2.98″，能够初步满足光电经纬仪动态测角性能检测的需要。

关键词: 动态靶标, 检测, 有限元, 刚度

Abstract: A novel optical dynamic target is devised to satisfy the need of indoor examination of photoelectric theodolite，and its merits and structure are also discussed.Three-dimensional entity model of novel target based on material mechanics is built on the platform of UG and the finite element model is built by the software named NX Nastran.According to the finite element stiffness analysis，the target’s deformation figures are acquired and the accuracy of the whole target can be computed.The experimental result shows the novel optical dynamic target has reasonable structure and good stiffness.In addition，the target’s error of elevation is 3.18″，and error of azimuth angle is 2.98″.It can measure dynamic movement performance accurately.

Key words: dynamic target, measure, finite element, stiffness

李博^1,2,王伟娜³,唐杰¹. 新型光学动态靶标结构刚度有限元分析[J]. 计算机工程与应用, 2008, 44(14): 100-102.

LI Bo^1,2,WANG Wei-na³,TANG Jie¹. Finite element stiffness analysis of novel optical dynamic target’s structure[J]. Computer Engineering and Applications, 2008, 44(14): 100-102.

[1]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[2]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[3]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[4]	朱鉴，刘培钰，陈炳丰，蔡瑞初. 结合相似块匹配与最小值滤波的图像去雨[J]. 计算机工程与应用, 2021, 57(9): 191-198.
[5]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[6]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[7]	吴文龙，周喜，王轶，王保全. WKAG：一种针对不平衡医保数据的欺诈检测方法[J]. 计算机工程与应用, 2021, 57(9): 247-254.
[8]	王博，宋丹，王洪玉. 无人机自主巡检系统的关键技术研究[J]. 计算机工程与应用, 2021, 57(9): 255-263.
[9]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[10]	王兵，乐红霞，李文璟，张孟涵. 改进YOLO轻量化网络的口罩检测算法[J]. 计算机工程与应用, 2021, 57(8): 62-69.
[11]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[12]	赵圆丽，梁志剑. 基于异核卷积双注意机制的立场检测研究[J]. 计算机工程与应用, 2021, 57(8): 119-125.
[13]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[14]	徐少杰，曹雏清，王永娟. 视觉SLAM在室内动态场景中的应用研究[J]. 计算机工程与应用, 2021, 57(8): 175-179.
[15]	李明山，韩清鹏，张天宇，王道累. 改进SSD的安全帽检测方法[J]. 计算机工程与应用, 2021, 57(8): 192-197.