[發(fā)明專利]一種高超聲速飛行器模型迭代設(shè)計方法

有效

• 申請?zhí)枺?/td>: 201710564165.5
• 申請日: 2017-07-12
• 公開（公告）號: CN107480335B
• 公開（公告）日: 2019-09-20
• 發(fā)明（設(shè)計）人: 劉燕斌;李昱輝;陳柏屹;沈海東;金飛騰
• 申請（專利權(quán)）人: 南京航空航天大學
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 南京蘇高專利商標事務(wù)所(普通合伙) 32204
• 代理人: 王安琪

1.一種高超聲速飛行器模型迭代設(shè)計方法，其特征在于，包括如下步驟：

(1)通過幾何設(shè)計方法構(gòu)建高超聲速飛行器參數(shù)化模型；

(2)通過靈敏度方法提取高超聲速飛行器關(guān)鍵的模型參數(shù)，簡化參數(shù)化模型，得到高超聲速飛行器面向迭代設(shè)計的代理模型；

(3)應(yīng)用鴿群優(yōu)化算法對高超聲速飛行器的模型參數(shù)進行優(yōu)化，獲得不同飛行條件下模型的平衡狀態(tài)；應(yīng)用鴿群優(yōu)化算法對高超聲速飛行器的模型參數(shù)進行優(yōu)化具體包括如下步驟：

(31)構(gòu)建適應(yīng)度函數(shù)；

(32)種群信息和算法參數(shù)初始化，包括種群數(shù)量、優(yōu)化變量維度、操作算子參數(shù)以及兩個操作算子的迭代次數(shù)N_c1max和N_c2max；個體速度和位置信息初始化，根據(jù)適應(yīng)度優(yōu)劣對局部和全局最優(yōu)信息初始化；

(33)運行地圖羅盤算子，根據(jù)鴿群中每一個體通過地磁和太陽高度信息，以及種群中最優(yōu)信息，更新每個鴿子的位置和速度，比較得到最優(yōu)路徑；

(34)如果迭代次數(shù)N_c大于N_c1max，迭代從地圖羅盤算子切換到地標算子；否則，返回第(33)步；

(35)根據(jù)適應(yīng)值對每只鴿子排序，保留適應(yīng)值高的鴿子；利用種群中心點作為剩余鴿群的飛行參考方向，對個體的位置進行更新，計算鴿群中心并調(diào)整各個鴿子的位置，使其飛向鴿群中心；

(36)如果迭代次數(shù)N_c大于N_c2max，迭代終止并輸出結(jié)果；否則，返回第(35)步；

獲得不同飛行條件下模型的平衡狀態(tài)具體為：針對不同約束條件下的平衡狀態(tài)求解問題，建立其對應(yīng)的適應(yīng)值函數(shù)，其具體形式如下：

式中，t_f為仿真終止時刻，η作為動態(tài)權(quán)值，用于削弱時間積累的不穩(wěn)定模態(tài)影響；β₁,β₂,...,β₅為對應(yīng)狀態(tài)的權(quán)值，使得各狀態(tài)導(dǎo)數(shù)指標均勻地趨向于最優(yōu)指標；利用鴿群優(yōu)化算法的快速收斂能力以及其對初值精度的弱相關(guān)性，直接尋優(yōu)使適應(yīng)值函數(shù)收斂到極值，找到最優(yōu)解，即為高超聲速飛行器平衡狀態(tài)；

(4)確定高超聲速飛行器期望的性能指標，對模型的平衡狀態(tài)進行迭代，獲得飛行器最優(yōu)的設(shè)計模型；采用鴿群優(yōu)化算法獲得高超聲速飛行器最優(yōu)的設(shè)計模型，獲得最優(yōu)模型即為找到飛行的最優(yōu)巡航狀態(tài)，由于巡航狀態(tài)的選取與飛行器的平衡狀態(tài)有關(guān)，為此，構(gòu)造二級優(yōu)化策略對平衡狀態(tài)進行優(yōu)化，優(yōu)化流程為：首先設(shè)定算法搜索范圍、算法參數(shù)和優(yōu)化初值；在第一級優(yōu)化中，利用鴿群優(yōu)化算法求解不同飛行狀態(tài)下的平衡狀態(tài)量和控制量，在此基礎(chǔ)上，再次通過鴿群優(yōu)化算法對飛行狀態(tài)進行優(yōu)化；根據(jù)代價函數(shù)計算種群中每個個體的適應(yīng)值，再返回到算法中進行飛行狀態(tài)更新；當仿真次數(shù)達到最大值時，停止計算，輸出結(jié)果；一旦找到高超聲速飛行器最優(yōu)巡航狀態(tài)，即可以獲得最優(yōu)狀態(tài)下的氣動力和推力，進而推導(dǎo)出最優(yōu)的高超聲速飛行器設(shè)計模型。

2.如權(quán)利要求1所述的高超聲速飛行器模型迭代設(shè)計方法，其特征在于，步驟(1)中，通過幾何方法構(gòu)建高超聲速飛行器參數(shù)化模型具體為：首先將高超聲速飛行器基礎(chǔ)構(gòu)型采用部件拆解策略分解成為前機身、中段、后機身、機翼、控制面部分；然后確定用以描述各個部分外形特征的幾何參數(shù)，并確定這些參數(shù)是否完全獨立、參數(shù)之間存在的約束，得到能描述無人機完整的幾何參數(shù)集；進而指定參數(shù)集的取值，生成特定無人機外形，檢驗前面得到的幾何參數(shù)集能否描述無人機外形；最后將高超聲速飛行器參數(shù)化的幾何外形進行面元劃分，采用工程估算方法估算建模所需的力，構(gòu)建出高超聲速飛行器參數(shù)化模型。

3.如權(quán)利要求1所述的高超聲速飛行器模型迭代設(shè)計方法，其特征在于，步驟(2)中，通過靈敏度方法得到高超聲速飛行器代理模型、提取高超聲速飛行器關(guān)鍵的模型參數(shù)具體包括以下步驟：

(21)高超聲速飛行器參數(shù)化模型數(shù)據(jù)的采樣；若以S_k表示設(shè)計變量第k維的取值集合，n(S_k)表示集合中所含元素的個數(shù)，則采樣廣度定義為：

根據(jù)定義可以知道，采樣廣度表示在設(shè)計空間中任意一維的采樣個數(shù)不會小于C，C越大，則表示采樣的覆蓋面越廣，而且C最大為樣本空間的容量；

針對于實驗設(shè)計的均勻性提出樣本最小距離與樣本電勢的概念，若采用2范數(shù)定義樣本空間中i個點與j個點的距離D_ij，則樣本最小距離定義為：

同樣定義最小距離出現(xiàn)的次數(shù)，記為n(D)，第一準則：認為最小距離越大，則實驗設(shè)計越好；最小距離相同的情況下，最小距離出現(xiàn)的次數(shù)越少，則實驗設(shè)計越好；

若引入物理中電勢的概念，可以通過計算樣本空間中的電勢或稱為樣本勢能：

其中N表示樣本空間的容量，第二準則：認為整個系統(tǒng)的斥力越小，實驗設(shè)計越好，兩種最優(yōu)準則具有一定的一致性；

(22)高超聲速飛行器氣動力和推力代理模型的構(gòu)建，采用莫爾斯靈敏度分析法來選擇合適的高超聲速飛行器代理模型；莫爾斯靈敏度分析法采用基于一次分析法的隨機搜索策略；若系統(tǒng)的輸入?yún)?shù)為x∈Rⁿ，消除各參數(shù)量綱的影響，對各參數(shù)進行歸一化處理使得x中各元素x_i均滿足x_i∈[0,1],i＝1,…,n；

系統(tǒng)的輸出定義為y＝f(x)∈R^m，則第i個輸入因子x_i的基本效應(yīng)定義為：

其中e_i為第i個元素為1，其他元素為0的n維向量；Δ為步長；x為參數(shù)空間的隨機采樣，并且保證x+Δe_i仍在參數(shù)空間內(nèi)；若在參數(shù)空間隨機采樣R個樣本點，通過對R個樣本點進行一次分析，計算靈敏度，再對這R個靈敏度進行統(tǒng)計學特性分析，計算其均值與標準差：

若靈敏度均值μ_i顯著異于0，則第i個元素對于輸出y具有全局影響性；靈敏度標準差σ_i越大表示第i個元素對于輸出有顯著的非線性特性，包括高次項及參數(shù)之間的交互作用；當分析不同的對象時，由于輸出響應(yīng)量綱的影響，其相應(yīng)的分界線有所不同，或者可以將輸出響應(yīng)進行無量綱化，進而可以對不同的分析對象，采用相同的分類標準；根據(jù)莫爾斯分析法，第i個輸入因子的基本效應(yīng)可以近似的視為系統(tǒng)相應(yīng)對于第i個輸入在給定采樣點處的偏導(dǎo)數(shù)，μ_i與σ_i從統(tǒng)計學的角度，定性的分析影響程度；

(23)高超聲速飛行器氣動力和推力代理模型的驗證，得到代理模型后，采用方差比、均方差誤差、擬合優(yōu)度和最大標準殘差評價指標對所建立的代理模型進行驗證。