[發明專利]一種基于全局擇優的高超聲速飛行器新型測壓孔布局方法

在審

• 申請號: 202011590510.0
• 申請日: 2020-12-29
• 公開（公告）號: CN112685953A
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 肖地波
• 申請（專利權）人: 成都信息工程大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/15;G06N3/00
• 代理公司: 北京華沛德權律師事務所 11302
• 代理人: 馬苗苗

1.一種基于全局擇優的高超聲速飛行器新型測壓孔布局方法，其特征在于，具體包含以下步驟：

初始化：令當前計算次數k＝1，測壓孔初始位置；

將測壓孔的位置在笛卡爾坐標系中詳細指出，并將笛卡爾坐標系中坐標轉換為圓錐角和圓周角表示，飛行器頭部(x_i y_i z_i)位置對應圓錐角λ_i和圓周角φ_i，用圓錐角和圓周角表示測壓孔位置，初始位置(x_i y_i z_i)或(x_i λ_i φ_i)的壓力值記為P_i；

當吸氣式高超聲速飛行器設計工作狀態為α_r＝2°，β_r＝0°，Ma_r＝7，運用CFD軟件計算飛行器頭部的壓力分布得到壓力值P_i；

通過l次蒙特-卡諾仿真來模擬壓力測量誤差對大氣數據計算的影響，CFD仿真得到的壓力值P_i上加上分布式隨機噪聲作為壓力測量模擬值，則有：

P_mik＝P_ik+ε_k (1)

其中：ε_k為在不同的孔和仿真次數中是不同的隨機數，來自于一個基礎的分布式隨機數集，一個普通的分布式隨機數用來作為壓力噪聲模型，分布式噪聲的均值為零并在壓力傳感器滿量程的1％范圍內變動，本發明基于噪聲的變化是參考駐點壓力的1％，并通過這些“有噪聲的壓力值”用來計算迎角、側滑角和駐點壓力；

需要被最小化的價值函數J為測得的大氣參數的函數，其綜合性能指標由迎角、側滑角和動靜壓性能指標的加權和組成，具體為：

根據表面壓力模型：

p_i＝q_c(cos²θ_i+εsin²θ_i)+P_∞ (2)

氣流入射角與迎角、側滑角、圓周角和圓錐角的關系式為：

令：

則式(3)為：

cosθ_i＝a_icosβ+b_isinβ (6)

將i、j、k三個孔的壓力寫成如下形式：

即：

(p_i-p_j)(cos²θ_j-cos²θ_k)＝(p_j-p_k)(cos²θ_i-cos²θ_j) (8)

整理得：

(p_k-p_j)cos²θ_i+(p_i-p_k)cos²θ_j+(p_j-p_i)cos²θ_k＝0 (9)

將式(6)代入式(9)，得：

兩邊同時除以cosβ(β≠±90°)有：

(1)迎角性能指標：

當i、j、k三個點在豎直中心線上時，φ_i,j,k＝0,180°,此時bi＝0，式(11)簡化為：

當三個測壓孔解算出的迎角越接近真實迎角，則式(12)左邊越接近為0，因此，令這三個測壓孔組合對應的迎角性能指標為：

其中，每三個豎直中心線上的測壓孔組合就能完成一組式(13)的運算，其中：上標l表示第l組三孔組合，對于九孔十字形布局，豎直中心線上共有5個孔，一共有中組合，即l＝1，…10，取他們的絕對值平均值作為最終的迎角性能指標：

(2)側滑角性能指標

當選取的i、j、k三個點在水平中心線上時，φ_i,j,k＝±90°,此時：

a_i＝cosαcosλ_i (15)

將式(4)和式(15)代入式(11)，得：

同樣，為了避免直接求側滑角及選取正確的麻煩，當側滑角越接近真實值，那么式(16)左邊越接近0，因此，令側滑角性能指標為：

每三個水平中心線上的測壓孔組合就能夠完成一組式(17)的計算，其中：上標l表示第l組三孔組合，對于九孔十字形布局，豎直中心線上共有5個孔，一共有中組合，即l＝1，…10，取他們的絕對值平均值作為最終的側滑角性能指標為：

(3)動靜壓性能指標

利用cos²θ_i＝1-sin²θ_i，將式(11)改寫成：

在迎角和側滑角已知的情況下，不通過迭代就能直接計算出q_c+P_∞，里面包含了動壓和靜壓信息，因此，直接以q_c+P_∞是否準確作為動靜壓的性能指標；

根據雷利-皮托方程：

根據參考馬赫數計算出q_c/P_∞的參考值，根據高度可得P_∞的參考值，從而得到q_c+P_∞的參考值，具體為：

(q_c+P_∞)_r＝f(Ma)P_∞(h)+P_∞(h) (21)

以式(19)計算得到的q_c+P_∞相對于(q_c+P_∞)_r的誤差百分比作為動靜壓性能指標：

(4)綜合性能指標：

綜合性能指標取迎角、側滑角和動靜壓性能指標的加權和：

J＝η(J_α+J_β)+(1-η)J_qp (23)

其中：η為權系數，在0～1之間取，越接近于1，迎角和側滑角性能指標占的比重越大；

需要注意的是：上述性能指標僅僅表示了迎角、側滑角、馬赫數、高度中的某一個狀態點，對于每一種布局，需要計算多個狀態點，然后在這些狀態點全部平均作為性能指標；

用來對價值函數進行優化的改進羊群優化算法構造過程如下：

第一步，確定決策變量和約束條件：

決策變量為測壓孔的位置坐標(x_i y_i z_i)(或(x_i λ_i φ_i))，約束條件為飛行器前端曲面方程；

第二步，建立優化模型：

根據式(23)的價值函數，編寫價值函數J關于測壓孔位置坐標(x_i y_i z_i)(或(x_i λ_iφ_i))的子函數，即J＝f(x_i,y_i,z_i)；

第三步，羊群算法改進策略：

在離散羊群算法中，每只羊代表一個備選解，整個羊群通過頭羊引領、羊群互動和牧羊犬監督行為進行位置更新進而尋找最優解；將羊群移動改進為產生整數更新位置的方式；一只羊執行頭羊引領操作，普通羊群算法的位置更新方式如下：

改進后的羊群算法的頭羊引領更新方式如下：

第四步，改進羊群算法求解步驟：

(1)頭羊引領

頭羊即指羊群中適應度函數值最優的羊，頭羊引領是指每只羊向頭羊移動的行為，對應算法的全局探索機制，為保證搜索的性能，只在新羊適應度函數值優于老羊時才更新該羊位置

(2)羊群互動

羊群互動行為對應算法的局部開發機制，羊群中每只羊x_i會選擇另外一只羊x_j進行羊群互動策略；當選定羊x_i的適應度值優于隨機羊x_j，則x_i向遠離x_j的位置更新，x_j向靠近x_i的位置更新，反之則執行相反操作；同樣為保證搜索的性能，只在新羊適應度函數值優于老羊時才更新該羊位置；

(3)牧羊犬監督

當本代頭羊與上一代頭羊的適應度函數差值小于一個閥值ε時，牧羊犬監督機制被引入來跳出局部優化；每只羊將按一定的概率p被牧羊犬放牧，即該羊按概率p被重新初始化；

算法停止后，價值函數最小化所對應的位置點即為測壓孔的布局位置。