通用航空飞行器的参数化建模与多目标设计优化

通用航空飞行器的参数化建模与多目标设计优化

毛泽文 ,连帅宁 ,丁建豪 ,杨奕王晨

 郑州航空工业管理学院  河南省郑州市  450046

摘要：通用航空飞行器是一种采用通用导航、制导与控制系统以及通用空气动力学头罩的机动再入飞行器，能够装载各种类型的战斗部、传感器或情报、监视和侦察系统，并且能与多种发射系统匹配。由CAV衍生出的高超声速技术飞行器项目开展了多次飞行试验，具有广阔的发展前景。早期，波音公司提出的基于双锥构型的先进机动再入飞行器是一种能够直接用于发展CAV项目的飞行演示系统。基于此，对通用航空飞行器的参数化建模与多目标设计优化进行研究，以供参考。

关键词：通用航空飞行器;参数化建模;构型优化

引言

多型航空飞行器采用气动舵机驱动舵面完成姿态的调整。气动舵机的工作方式是在有高压气体的情况下将来自航空飞行器控制系统的控制信号按设计的比例放大成为舵面的舵偏角，根据舵偏角航空飞行器实现在空气作为负载的状态下姿态调整。使用模拟空气负载的负载模拟器可以模拟航空飞行器在飞行过程中气动舵机所受的力矩负载或力负载，因此带负载模拟器的测试平台是气动舵机设计生产厂家检验、验收气动舵机性能的重要设备。

1基于NSGA－II的多目标优化方法

当优化问题出现多个目标时则需要采用多目标优化算法，例如本文中不仅希望CAV构型的升阻比大，还希望其容积率大、最大热流量小。由于不同目标之间可能相互排斥，即一个目标向好的方向发展时，另外的目标反而变得更坏，此时需要引入非劣解的概念。非劣解表示不存在所有目标均优于该解的任何其他解。多目标优化的目的则是在约束范围内收敛到非劣解集。NSGA－II算法是基于遗传算法发展而来的多目标优化算法，该算法中亲代生成子代的过程仍然按照遗传算法所需的选择、交叉、变异等操作。在产生子代后要将亲代和子代的结果按照是否为非支配解进行排序，将所有当前的非劣解集筛选出记为Ｒank0，然后将剔除Ｒank0后的剩余结果再次排序，筛选出剩余解中的非劣解集并记为Ｒank1，以此类推。可见Ｒank值越小表明当前解集中解的质量越高。在标记结束后按Ｒank值从小到大选择子代，当达到某一Ｒank值时出现添加前子代数量小于预定值而添加后子代数量多于预定值，则在该Ｒank解集中进行拥挤度排序，并按照拥挤度从小到大的顺序补足子代所需的个体数。按照此过程循环迭代，直到满足收敛条件，最终可得到多轮迭代后的非劣解集。在该解集的基础上，设计者可以按需求任意选择可行解，所选的解尽管不能保证满足所有目标最优，但不会存在全面优于该解的其他解。

2加载台总体设计

气动舵机加载台能模拟航空飞行器在实际飞行过程中舵面所受的空气动力矩。台体采用框架结构，加载台上层安装电机加载装置、扭簧加载装置、阀门开关、压力表等。测试台体台面上安装带有Ｔ形槽的基座，加载装置和舵机夹具可以通过Ｔ形槽调整位置以适应不同型号的气动舵机。测试台体上安装电机加载、扭簧加载两种不同的加载装置，可同时对两种舵机进行测试。每个加载装置的输出轴上，安装有用以调校传感器的调校盘，以满足扭矩传感器和扭簧的计量检定要求。每个加载装置安装在各自的基座上，可有效保证加载装置轴系零件的装配同轴度。电机加载装置是由作为驱动部件的伺服电机、传动轴、执行部件、扭矩传感器及角度编码器组成。

3确定旋翼高精度步进驱动方式

无人驾驶跨介质飞行器旋翼步进电机的驱动方式可以分为差动式与偏动式2种，在考虑步进电机工作原理、飞行器运行介质特征等因素的情况下，选用偏振型驱动方式，偏振型驱动器在一面是SMA元件，一面是弹簧，在SMA受热时，它所产生的偏压力能克服弹簧张力，将驱动器推向一边；在停止加热之后，SMA逐步冷却，偏压降低，弹簧的弹性能克服SMA所带来的偏压力，将驱动器移回原来的位置。在整体平衡的情况下，在SMA的拉力、气弹簧的弹力和驱动器的外力的影响下，当对SMA丝加热时，所产生的驱动力必须能够克服气弹簧的弹力和外部负载的最大力，并将变换机构拉到最右边。

4以软杀伤技术有效降低附带损伤

低空飞行器无论其是否携带攻击弹药，其本身就可随时成为一种攻击武器，对空中其他目标和地面目标造成威胁。为有效降低附带损伤，应运用指挥链路阻断技术，对遥控信息频段进行阻断干扰，切断操控端与飞行平台之间的无线电联系，使其失去控制；运用控制信号劫持技术，夺取低空飞行器的控制权，操控其飞行至安全区域；运用导航链路阻断技术对低空飞行器的卫星定位信号进行干扰，使其无法精确定位，进而使控制系统无法正常工作，丧失遂行任务的能力，迫使其快速降落；运用定位导航欺骗技术误导低空飞行器飞行，引导其飞离重点空域；运用定向激光致盲技术使低空飞行器失去飞行方向，无法准确对目标实施威胁；运用电磁脉冲失能技术损伤目标元器件，使低空飞行器失去某方面的功能，例如，破坏低空飞行器控制系统元器件使其失去控制能力。

5基于遗传算法的单目标优化方法

遗传算法通过模拟自然界中“优胜劣汰”的生存法则来使优化问题收敛到最优结果附近。算法首先在参数设计空间内随机抽取一部分样本点，称为种群;然后计算种群内每个个体的响应结果(即适应度)，并根据适应度大小对种群进行排序，在此基础上产生下一组种群并按此过程迭代循环直到满足迭代终止条件。在此过程中用于产生下一组种群(子代)的当前种群被称为亲代;在亲代中选择优胜个体并淘汰劣势个体的过程称为选择;由优胜个体产生子代的过程称为遗传。遗传过程有三种形式:第一种是部分优胜个体(精英)直接进入子代;第二种是优胜个体间通过交换步骤将彼此的信息切断后互相再组合生成新的个体(又称交叉);第三种则是在亲代信息基础上随机引入变异。迭代终止条件包括最大迭代代数、迭代时间、适应度函数值迭代残差值等。可见，遗传算法中的种群规模、交叉系数、变异概率和收敛条件等均会对收敛结果产生影响。

结束语

本文面向未来高速飞行器空中火力打击的任务需求，提出一种基于高速飞行器火力控制系统的智能解算方法，可以用于未来高速作战飞行器智能火控系统的设计。结合高速飞行器的飞行特点，建立适用于高速飞行器的导弹外弹道的模型，目标外弹道模型以及与火控命中问题解算模型。将传统机载火控系统的快速模拟法与新式的阿基米德群智能算法相结合。

参考文献

[1]段佳昕.高超声速飞行器前体乘波气动布局设计技术研究[D].南京航空航天大学,2021.

[2]韩天依星,罗磊,许晨豪,蒋崇文.嵌入式乘波设计的两级入轨飞行器概念研究[J].航空科学技术,2020,31(11):25-34.

[3]刘鑫,孙家铭,杨百孚.虚拟制造技术在飞行器设计中的运用[J].决策探索(中),2020(11):62-63.