法律状态公告日
法律状态信息
法律状态
2020-01-31
授权
授权
2019-12-24
实质审查的生效 IPC(主分类):G06F17/50 申请日:20191021
实质审查的生效
2019-11-29
公开
公开
技术领域
本发明涉及飞行器设计技术领域,更具体地说,涉及一种飞行器总体设计参数的确定方法、装置、设备及可读存储介质。
背景技术
飞行器设计中涉及到许多学科,从整体系统的角度来说,各个子系统间必然存在一定程度的相互作用和耦合效应。由于子系统均有各自独立的分析和设计工具,传统次序型设计往往无法综合考虑,从而没能充分考虑到各系统间的耦合因素。应用多学科设计优化解决上述整体系统的设计问题,既提高了设计效率,还改善了产品的性能。
在现有技术中,在进行多学科设计优化时,未考虑到动力参数和弹道参数之间的耦合效应,从而导致当飞行器的飞行空域和速域变化明显时,动力参数和弹道参数的耦合特征明显。当采用冲压发动机为飞行器提供动力时,若仍按照现有技术的设计方式设计总体参数,由于未考虑动力参数和弹道参数的耦合效应,会使得飞行器的总体性能降低。
因此,如何降低动力参数和弹道参数的耦合效应,提高飞行器的总体性能,是本领域技术人员需要解决的问题。
发明内容
本发明的目的在于提供一种飞行器总体设计参数的确定方法、装置、设备及可读存储介质,以降低动力参数和弹道参数的耦合效应,提高飞行器的总体性能。
为实现上述目的,本发明实施例提供了如下技术方案:
一种飞行器总体设计参数的确定方法,包括:
确定飞行器的各个组成部分和每个组成部分包括的设计参数,所述飞行器由冲压发动机提供动力;
根据每个组成部分包括的设计参数分别构建与每个组成部分对应的参数模型;
根据所有参数模型确定飞行器总体设计模型,并按照预设的优化目标和遗传算法求解所述飞行器总体设计模型,得到所述优化目标对应的飞行器总体设计参数;
其中,所述参数模型至少包括:飞行器质量模型、飞行器气动模型、弹道参数模型和冲压发动机性能模型,所述冲压发动机性能模型中的设计参数至少包括:空燃比、补燃室压力、进气道参数和燃气发生器参数;
其中,所述按照预设的优化目标和遗传算法求解所述飞行器总体设计模型,得到所述优化目标对应的飞行器总体设计参数,包括:
按照灵敏度分析所述飞行器总体设计模型,得到第一模型和第二模型;
当所述优化目标为射程最大时,利用遗传算法求解所述第二模型,得到第一最优解;
将所述第一最优解作为所述第一模型的初始迭代值,并利用遗传算法求解所述第一模型,得到第二最优解;
将所述第二最优解作为射程最大对应的飞行器总体设计参数。
其中,所述飞行器质量模型的构建步骤包括:
确定所述飞行器的弹体组成部分和每个弹体组成部分的质量,并根据每个弹体组成部分的质量构建所述飞行器质量模型;
所述飞行器质量模型为:
其中,所述飞行器气动模型的构建步骤包括:
采用部件组合法构建所述飞行器气动模型;所述飞行器气动模型为:
其中,
其中,所述弹道参数模型的构建步骤包括:
确定所述飞行器的弹道设计参数,并采用三自由度质点构建所述弹道参数模型,其中,所述弹道参数模型中的纵向运动方程组为:
其中,V表示飞行速度,m表示飞行器质量,F表示发动机推力,X表示气动阻力,Y表示气动升力,
其中,所述冲压发动机性能模型的构建步骤包括:
确定所述冲压发动机的组成部分,所述冲压发动机的组成部分包括:燃气发生器、补燃室和进气道,所述进气道为两个二元进气道;
根据所述冲压发动机的组成部分计算发动机推力、发动机比冲、所述空燃比和所述补燃室压力;
构建包括所述发动机推力、所述发动机比冲、所述空燃比、所述补燃室压力、所述进气道参数、所述燃气发生器参数和所述冲压发动机的技术指标的所述冲压发动机性能模型;所述冲压发动机性能模型为:
其中,F表示发动机推力,
其中,所述按照预设的优化目标和遗传算法求解所述飞行器总体设计模型,得到所述优化目标对应的飞行器总体设计参数,包括:
按照灵敏度分析所述飞行器总体设计模型,得到第一模型和第二模型;
当所述优化目标为射程最大时,利用遗传算法求解所述第二模型,得到第一最优解;
将所述第一最优解作为所述第一模型的初始迭代值,并利用遗传算法求解所述第一模型,得到第二最优解;
将所述第二最优解作为射程最大对应的飞行器总体设计参数。
其中,所述根据所有参数模型确定飞行器总体设计模型,包括:
根据所述飞行器质量模型、所述飞行器气动模型、所述弹道参数模型和所述冲压发动机性能模型确定所述飞行器总体设计模型;
其中,所述飞行器总体设计模型的设计变量为:发动机动力参数和飞行器几何参数,弹道形式为高空-俯冲;
所述飞行器总体设计模型的约束条件为:
一种飞行器总体设计参数的确定装置,包括:
确定模块,用于确定飞行器的各个组成部分和每个组成部分包括的设计参数,所述飞行器由冲压发动机提供动力;
构建模块,用于根据每个组成部分包括的设计参数分别构建与每个组成部分对应的参数模型;
执行模块,用于根据所有参数模型确定飞行器总体设计模型,并按照预设的优化目标和遗传算法求解所述飞行器总体设计模型,得到所述优化目标对应的飞行器总体设计参数;
其中,所述参数模型至少包括:飞行器质量模型、飞行器气动模型、弹道参数模型和冲压发动机性能模型,所述冲压发动机性能模型中的设计参数至少包括:空燃比、补燃室压力、进气道参数和燃气发生器参数;
其中,所述执行模块具体用于:
按照灵敏度分析所述飞行器总体设计模型,得到第一模型和第二模型;
当所述优化目标为射程最大时,利用遗传算法求解所述第二模型,得到第一最优解;
将所述第一最优解作为所述第一模型的初始迭代值,并利用遗传算法求解所述第一模型,得到第二最优解;
将所述第二最优解作为射程最大对应的飞行器总体设计参数。
一种飞行器总体设计参数的确定设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现上述任意一项所述的飞行器总体设计参数的确定方法的步骤。
一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述的飞行器总体设计参数的确定方法的步骤。
通过以上方案可知,本发明实施例提供的一种飞行器总体设计参数的确定方法,包括:确定飞行器的各个组成部分和每个组成部分包括的设计参数,所述飞行器由冲压发动机提供动力;根据每个组成部分包括的设计参数分别构建与每个组成部分对应的参数模型;根据所有参数模型确定飞行器总体设计模型,并按照预设的优化目标和遗传算法求解所述飞行器总体设计模型,得到所述优化目标对应的飞行器总体设计参数;其中,所述参数模型至少包括:飞行器质量模型、飞行器气动模型、弹道参数模型和冲压发动机性能模型,所述冲压发动机性能模型中的设计参数至少包括:空燃比、补燃室压力、进气道参数和燃气发生器参数。其中,按照预设的优化目标和遗传算法求解飞行器总体设计模型,得到优化目标对应的飞行器总体设计参数,包括:按照灵敏度分析飞行器总体设计模型,得到第一模型和第二模型;当优化目标为射程最大时,利用遗传算法求解第二模型,得到第一最优解;将第一最优解作为第一模型的初始迭代值,并利用遗传算法求解第一模型,得到第二最优解;将第二最优解作为射程最大对应的飞行器总体设计参数。
可见,所述方法在确定飞行器总体设计模型时,使飞行器质量模型、飞行器气动模型、弹道参数模型和冲压发动机性能模型均参与其中,且冲压发动机性能模型中的设计参数包括进气道参数,也就是说,该方法在确定飞行器总体设计模型时,考虑了所有模型之间的耦合效应。
具体的,本申请按照灵敏度分析飞行器总体设计模型,得到第一模型和第二模型;当所述优化目标为射程最大时,利用遗传算法求解第二模型,得到第一最优解;将第一最优解作为第一模型的初始迭代值,并利用遗传算法求解第一模型,得到第二最优解;将第二最优解作为射程最大对应的飞行器总体设计参数。如此则利用遗传算法求解得到了射程最大对应的总体设计参数。由于本申请提供的飞行器总体设计模型中涵盖了飞行器质量模型、飞行器气动模型、弹道参数模型和冲压发动机性能模型,因此遗传算法在求解过程中能够考虑动力参数和弹道参数的耦合效应,降低动力参数和弹道参数的耦合,从而提高飞行器的总体性能。
相应地,本发明实施例提供的一种飞行器总体设计参数的确定装置、设备及可读存储介质,也同样具有上述技术效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例公开的一种飞行器总体设计参数的确定方法流程图;
图2为本发明实施例公开的一种飞行器总体设计参数的确定装置示意图;
图3为本发明实施例公开的一种飞行器总体设计参数的确定设备示意图;
图4为本发明实施例公开的导弹总体设计参数的设计总流程示意图;
图5为本发明实施例公开的导弹弹体的各个组成部分示意图;
图6为本发明实施例公开的升力系数随马赫数变化示意图;
图7为本发明实施例公开的阻力系数随马赫数变化示意图;
图8为本发明实施例公开理论燃烧温度与理论比冲随空燃比变化曲线示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种飞行器总体设计参数的确定方法、装置、设备及可读存储介质,以降低动力参数和弹道参数的耦合效应,提高飞行器的总体性能。
参见图1,本发明实施例提供的一种飞行器总体设计参数的确定方法,包括:
S101、确定飞行器的各个组成部分和每个组成部分包括的设计参数,飞行器由冲压发动机提供动力;
S102、根据每个组成部分包括的设计参数分别构建与每个组成部分对应的参数模型;
S103、根据所有参数模型确定飞行器总体设计模型,并按照预设的优化目标和遗传算法求解飞行器总体设计模型,得到优化目标对应的飞行器总体设计参数;
其中,参数模型至少包括:飞行器质量模型、飞行器气动模型、弹道参数模型和冲压发动机性能模型,冲压发动机性能模型中的设计参数至少包括:空燃比、补燃室压力、进气道参数和燃气发生器参数。
其中,所述飞行器质量模型的构建步骤包括:确定所述飞行器的弹体组成部分和每个弹体组成部分的质量,并根据每个弹体组成部分的质量构建所述飞行器质量模型。
其中,所述飞行器质量模型为:
其中,所述飞行器气动模型的构建步骤包括:
采用部件组合法构建所述飞行器气动模型;所述飞行器气动模型为:
其中,
其中,所述弹道参数模型的构建步骤包括:确定所述飞行器的弹道设计参数,并采用三自由度质点构建所述弹道参数模型,其中,所述弹道参数模型中的纵向运动方程组为:
其中,V表示飞行速度,m表示飞行器质量,F表示发动机推力,X表示气动阻力,Y表示气动升力,
其中,所述冲压发动机性能模型的构建步骤包括:确定所述冲压发动机的组成部分,所述冲压发动机的组成部分包括:燃气发生器、补燃室和进气道,所述进气道为两个二元进气道;根据所述冲压发动机的组成部分计算发动机推力、发动机比冲、所述空燃比和所述补燃室压力;根据所述发动机推力、所述发动机比冲、所述空燃比、所述补燃室压力、所述进气道参数、所述燃气发生器参数和所述冲压发动机的技术指标构建所述冲压发动机性能模型,也就是构建包括所述发动机推力、所述发动机比冲、所述空燃比、所述补燃室压力、所述进气道参数、所述燃气发生器参数和所述冲压发动机的技术指标的所述冲压发动机性能模型。
其中,所述冲压发动机性能模型为:
其中,F表示发动机推力,
需要说明的是,构建冲压发动机性能模型的目的为:基于冲压发动机的技术指标、空燃比、补燃室压力、进气道参数、燃气发生器参数等各方参数,求解发动机推力和发动机比冲。发动机推力和发动机比冲可表示冲压发动机的性能;发动机推力越大,发动机比冲越高,那么发动机性能就越高。发动机推力和发动机比冲的具体计算请参见下文描述的相应计算公式。发动机比冲即为理论比冲。
可见,本实施例提供了一种飞行器总体设计参数的确定方法,所述方法在确定飞行器总体设计模型时,使飞行器质量模型、飞行器气动模型、弹道参数模型和冲压发动机性能模型均参与其中,且冲压发动机性能模型中的设计参数包括进气道参数,也就是说,该方法在确定飞行器总体设计模型时,考虑了所有模型之间的耦合效应,利用遗传算法求解得到了射程最大对应的总体设计参数。由于本申请提供的飞行器总体设计模型中涵盖了飞行器质量模型、飞行器气动模型、弹道参数模型和冲压发动机性能模型,因此遗传算法在求解过程中能够考虑动力参数和弹道参数的耦合效应,降低动力参数和弹道参数的耦合,从而提高飞行器的总体性能。
基于上述实施例,需要说明的是,所述按照预设的优化目标和遗传算法求解所述飞行器总体设计模型,得到所述优化目标对应的飞行器总体设计参数,包括:
按照灵敏度分析所述飞行器总体设计模型,得到第一模型和第二模型;
当所述优化目标为射程最大时,利用遗传算法求解所述第二模型,得到第一最优解;
将所述第一最优解作为所述第一模型的初始迭代值,并利用遗传算法求解所述第一模型,得到第二最优解;
将所述第二最优解作为射程最大对应的飞行器总体设计参数。
需要说明的是,第一模型和第二模型的计算精度是相对而言的,第一模型的计算速度比第二模型的计算速度慢,但其精度比第二模型的精度高。也就是说,按照灵敏度分析飞行器总体设计模型,可得到具有不同计算精度的第一模型和第二模型。在具体计算时,首先用遗传算法求解较低精度的第二模型,得到第一最优解;进而将第一最优解作为较高精度的第一模型的初始迭代值,并利用遗传算法求解第一模型,从而得到第二最优解,那么第二最优解即为射程最大对应的飞行器总体设计参数。
基于上述实施例,需要说明的是,所述根据所有参数模型确定飞行器总体设计模型,包括:
根据所述飞行器质量模型、所述飞行器气动模型、所述弹道参数模型和所述冲压发动机性能模型确定所述飞行器总体设计模型;
其中,所述飞行器总体设计模型的设计变量为:发动机动力参数和飞行器几何参数,弹道形式为高空-俯冲;
所述飞行器总体设计模型的约束条件为:
下面对本发明实施例提供的一种飞行器总体设计参数的确定装置进行介绍,下文描述的一种飞行器总体设计参数的确定装置与上文描述的一种飞行器总体设计参数的确定方法可以相互参照。
参见图2,本发明实施例提供的一种飞行器总体设计参数的确定装置,包括:
确定模块201,用于确定飞行器的各个组成部分和每个组成部分包括的设计参数,所述飞行器由冲压发动机提供动力;
构建模块202,用于根据每个组成部分包括的设计参数分别构建与每个组成部分对应的参数模型;
执行模块203,用于根据所有参数模型确定飞行器总体设计模型,并按照预设的优化目标和遗传算法求解所述飞行器总体设计模型,得到所述优化目标对应的飞行器总体设计参数;
其中,所述参数模型至少包括:飞行器质量模型、飞行器气动模型、弹道参数模型和冲压发动机性能模型,所述冲压发动机性能模型中的设计参数至少包括:空燃比、补燃室压力、进气道参数和燃气发生器参数。
其中,所述构建模块具体用于:
确定所述飞行器的弹体组成部分和每个弹体组成部分的质量,并根据每个弹体组成部分的质量构建所述飞行器质量模型;
所述飞行器质量模型为:
其中,所述构建模块具体用于:
采用部件组合法构建所述飞行器气动模型;所述飞行器气动模型为:
其中,
其中,所述构建模块具体用于:
确定所述飞行器的弹道设计参数,并采用三自由度质点构建所述弹道参数模型,其中,所述弹道参数模型中的纵向运动方程组为:
其中,V表示飞行速度,m表示飞行器质量,F表示发动机推力,X表示气动阻力,Y表示气动升力,
其中,所述构建模块具体用于:
确定所述冲压发动机的组成部分,所述冲压发动机的组成部分包括:燃气发生器、补燃室和进气道,所述进气道为两个二元进气道;
根据所述冲压发动机的组成部分计算发动机推力、发动机比冲、所述空燃比和所述补燃室压力;
构建包括所述发动机推力、所述发动机比冲、所述空燃比、所述补燃室压力、所述进气道参数、所述燃气发生器参数和所述冲压发动机的技术指标的所述冲压发动机性能模型;所述冲压发动机性能模型为:
其中,F表示发动机推力,
其中,所述执行模块具体用于:
按照灵敏度分析所述飞行器总体设计模型,得到第一模型和第二模型;
当所述优化目标为射程最大时,利用遗传算法求解所述第二模型,得到第一最优解;将所述第一最优解作为所述第一模型的初始迭代值,并利用遗传算法求解所述第一模型,得到第二最优解;
将所述第二最优解作为射程最大对应的飞行器总体设计参数。
其中,所述执行模块具体用于:
根据所述飞行器质量模型、所述飞行器气动模型、所述弹道参数模型和所述冲压发动机性能模型确定所述飞行器总体设计模型;
其中,所述飞行器总体设计模型的设计变量为:发动机动力参数和飞行器几何参数,弹道形式为高空-俯冲;
所述飞行器总体设计模型的约束条件为:
可见,本实施例提供了一种飞行器总体设计参数的确定装置,包括:确定模块、构建模块以及执行模块。首先由确定模块确定飞行器的各个组成部分和每个组成部分包括的设计参数,所述飞行器由冲压发动机提供动力;然后构建模块根据每个组成部分包括的设计参数分别构建与每个组成部分对应的参数模型;最后执行模块根据所有参数模型确定飞行器总体设计模型,并按照预设的优化目标和遗传算法求解所述飞行器总体设计模型,得到所述优化目标对应的飞行器总体设计参数;其中,所述参数模型至少包括:飞行器质量模型、飞行器气动模型、弹道参数模型和冲压发动机性能模型,所述冲压发动机性能模型中的设计参数至少包括:空燃比、补燃室压力、进气道参数和燃气发生器参数。如此各个模块之间分工合作,各司其职,从而降低了动力参数和弹道参数的耦合效应,提高了飞行器的总体性能。
下面对本发明实施例提供的一种飞行器总体设计参数的确定设备进行介绍,下文描述的一种飞行器总体设计参数的确定设备与上文描述的一种飞行器总体设计参数的确定方法及装置可以相互参照。
参见图3,本发明实施例提供的一种飞行器总体设计参数的确定设备,包括:
存储器301,用于存储计算机程序;
处理器302,用于执行所述计算机程序时实现上述任意实施例所述的飞行器总体设计参数的确定方法的步骤。
下面对本发明实施例提供的一种可读存储介质进行介绍,下文描述的一种可读存储介质与上文描述的一种飞行器总体设计参数的确定方法、装置及设备可以相互参照。
一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任意实施例所述的飞行器总体设计参数的确定方法的步骤。
按照本发明提供的飞行器总体设计参数的确定方法,同样可以设计导弹的总体设计参数。请参见图4,图4为导弹总体设计参数的设计总流程示意图。具体实现过程如下:
1、确定总体设计指标和约束条件。导弹的约束条件可以设置为总射程最大或质量最小。总体设计指标即冲压发动机的技术指标,具体如表1所示。
表1
2、确定导弹各个组成部分,以及各个组成部分的设计参数。导弹各个组成部分请参见表2。
表2
其中,冲压发动机的进气道参数如表3所示。
表3
冲压发动机的性能指标如表4所示。
表4
导弹的弹体参数请参见表5。
表5
3、构建导弹质量模型、导弹气动模型、弹道参数模型和冲压发动机性能模型。
1)构建导弹质量模型:导弹的结构质量是将导弹几何模型进行一定厚度的抽壳后,对此壳体赋予密度等性质,进而计算出来其质量、质心参数。弹上设备质量设定为固定值,每一个设备的质量赋值为给定值,假设每一个设备都为一均质长方体,其中心位置即为设备质心位置。
请参见图5,图5为导弹弹体的各个组成部分示意图。所述飞行器质量模型为:
2)构建导弹气动模型:采用部件组合法计算阻力系数和升力系数,并根据计算得到的阻力系数和升力系数构建导弹气动模型;阻力系数的计算公式为:
其中,升力系数随马赫数变化示意图请参见图6,阻力系数随马赫数变化示意图请参见图7。
3)构建弹道参数模型:确定导弹的弹道设计参数,并采用三自由度质点构建弹道参数模型,其中,弹道参数模型中的纵向运动方程组为:
其中,V表示飞行速度,m表示飞行器质量,F表示发动机推力,X表示气动阻力,Y表示气动升力,
4)构建冲压发动机性能模型:采用二个二元进气道;采用铝镁贫氧推进剂;采用非壅塞式燃气发生器;其中,冲压发动机主要由进气道、燃气发生器和补燃室(包括冲压喷管)组成。
其中,所述冲压发动机性能模型为:
其中,F表示发动机推力,
分析上式可知,理论比冲
具体的,冲压发动机性能模型的具体构成过程包括:
a、参数定义:
(1)定义空燃比,空燃比即为空气流量与燃料流量之比,用公式表示为:
(2)理论空气量(又称为当量比)定义为1kg燃料完全燃烧所需要的空气量,用公式表示为:
其中,注脚f表示燃料,注脚a表示空气;Ma为空气相对分子质量;Mf为燃料相对分子质量;L为元素数;bi为第i种元素的摩尔数;vi为第i种元素的原子价。
(3)余气系数定义为空燃比与理论空气量之比:
计算平衡状态下燃烧产物的组分必须首先计算反应物假定化学式。固体火箭冲压发动机由空气提供氧化剂,1kg由贫氧推进剂和空气共同组成的反应物的假定化学式由下式计算得到:
其中,
b、性能计算:
比冲既反映了推进剂能量的大小又反映了推进剂在燃烧过程中能量转换的效率。固冲发动机初步设计中,首先要在设计点处找到一组可用、较好的比冲数据,然后根据设计的要求,设计燃料流量和空气流量。燃料流量是设计燃气发生器的重要参数。空气流量是设计进气道的重要参数。
具体的,喷管出口速度ve表示为:
其中,Hc为补燃室燃烧产物的焓;He为喷管出口燃烧产物的焓。
额定推力F由下式计算得到:
其中,pe为喷管出口静压;pa为来流空气静压;va表示来流空气速度,ve表示喷管出口速度;Ae为喷管出口面积;
而比冲表示为:
特征速度
其中,
故而,由上述公式可得:
其中,下标t表示喷管喉部,下标e表示喷管出口处。故
进一步的,
因此比冲可表示为:
c、冲压喷管设计:
冲压喷管的主要设计参数是喉部几何面积
其中,
燃气在流过喷管喉部时会产生“颈缩”效应,引入冲压喷管喉部流量系数
喷管出口静压
由
再由气动函数
其中,若给定的设计值是喷管膨胀比
d、进气道设计:
进气道设计计算主要是计算进气道总压恢复系数和流量系数。
(1)总压恢复系数:
进气道总压恢复系数为:
其中,
在
(2)流量系数:
进气道流量系数随飞行状态的不同改变。在发动机初步设计中期望进气道流量系数尽可能高,这样发动机在流量调节上会有更大的空间。流量系数直接关系到冲压喷管喉径的设计,具体关系可用下式表示:
其中,
给定补燃室内燃气理论特征速度
由流量系数可求得进气道入口面积:
为了使进气道能稳定的工作,在设计上一般应使进气道在接近临界的超临界工况下工作,以超临界裕度
其中,
按照上述内容,空燃比、补燃室压力、进气道参数、燃气发生器参数计算示例如下:
空燃比:若取高度H=10km,飞行马赫数Ma=2.5,补燃室压力0.5MPa,出口压力pe=13499.9Pa作为已知的设计点参数。推进剂选取22%HTPB、38%>
补燃室压力:若推进剂组分为22%HTPB、38% AP、18%Al和22%Mg,飞行马赫数为2.5,高度10km,则可估计来流总压约为1.48MPa。补燃室压力为0.85MPa时,应在空燃比3~13间选取,这里选取设计空燃比为12。
进气道参数:前体采用三波系压缩方案,压缩角分别为7,8,8度,总转角为23度;外壳角度分别为6,17度,总转角为23度;亚扩段采用圆弧曲线设计,出口处平均气流方向与轴线夹角为45度;隔道高度为12mm;内收缩比为1.03。
燃气发生器中的推进剂主要性能指标如下:燃气流量:≥1.0kg/s;工作时间:≥90s;最大纵向过载:20g;燃速:r=17 mm/s。
4、根据导弹质量模型、导弹气动模型、弹道参数模型和冲压发动机性能模型构建导弹总体设计模型,并按照1步骤设置的总体设计指标和约束条件进行求解。
其中,设计变量Z如表6所示。
在表6中,Z被替换为X。
表6
其中,通过求解器和灵敏度分析器工具进行求解,求解器包括了成熟的遗传算法、粒子群算法和进化算法,可得到导弹总体设计模型的最优解。灵敏度分析器包括正交试验设计等算法,可确定出不同精度的导弹总体设计模型,即低精度模型(第二模型)和高精度模型(第一模型)。
若以射程最大为优化目标,则求解过程可以为:
利用优化算法首先对低精度模型进行求解,得到其最优值作为高精度模型的初始迭代值,对高精度模型再次利用优化算法进行求解,得到最终的最优解。其中,低精度指模型的计算精度较低,运算速度较快,易于缩小求解空间;高精度模型的计算精度较高,但计算速度慢。本实例采用的优化算法为遗传算法。
请参见表7。其中低精度多学科优化迭代了262代,与初始射程参数相比,射程增加了189.42km,将低精度的最优值对应的参数作为中可信度多学科优化的迭代初值,经过189代的优化迭代,与初始射程参数相比,射程增加了8.23km。可见此求解过程的优化程度较佳。
表7
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
机译: 铁电单晶制造的原料组成确定方法,铁电单晶的化学组成比确定方法,表面声波装置的设计参数确定方法
机译: 无人驾驶飞行器控制方法,运动信息确定方法和装置,以及无人驾驶飞行器
机译: 一种用于控制飞行器的装置,该飞行器具有相对于飞行器机身可枢转的支撑表面和螺杆轴大约水平的横向轴线