[发明专利]降低俯仰气动非线性特性的飞行器总体随控优化方法

权利要求书

1.一种降低俯仰气动非线性特性的飞行器总体随控优化方法，其特征在于包括以下步骤：

步骤一、选取飞行器俯仰通道的气动非线性特性评价指标——非线性度的表征模型，即

minf=DONLCm=|Cm(α)-Cm_L(α)||Cm(a)-Cm_L(α)|+|Cm_L(α)|---(1)]]>式中，C_m(α)是飞行器的稳定俯仰力矩系数；C_{m_L}(α)为C_m(α)中的线性部分，称为线性稳定俯仰力矩系数；

（a）稳定俯仰力矩系数C_m(α)由飞行器弹身产生的稳定俯仰力矩系数C_弹身及翼身干扰作用下翼面产生的俯仰力矩系数K_αα·C_翼面构成，弹身产生的稳定俯仰力矩系数C_弹身包括头部尖椎段产生的稳定俯仰力矩系数C_{m_zhi1}、头部截锥段产生的稳定俯仰力矩系数C_{m_zhi2}及弹身圆柱段产生的稳定俯仰力矩系数C_{m_zhu}，即

C_m(α)=C_弹身+K_αα·C_翼面=C_{m_zhi1}+C_{m_zhi2}+C_{m_zhu}+K_αα·C_{m_w}    （2）

式中，

①头部尖椎段产生的稳定俯仰力矩系数C_{m_zhi1}

Cm_zhil=4sinαcosαsin2θ1(L1tanθ1+L2tanθ2)2Lref(12xcL12-13L13)]]>

②头部截锥段产生的稳定俯仰力矩系数C_{m_zhi2}

Cm_zhi2=4sinαcosαsinθ2cosθ2(L1tanθ1+L2tanθ2)2Lref[L1L2tanθ1(xc-Li-12L2)+L22tanθ2(12(xc-L1)-13L2)]]]>

③弹身圆柱段产生的稳定俯仰力矩系数C_{m_zhu}

Cm_zhu=8sin2αL3[xc-L3/2-(L1+L2)]3π(L1tanθ1+L2tanθ2)Lref]]>

式中，L₁为尖锥长度，L₂为截锥长度，L₃为柱段长度，θ₁为尖锥锥角，θ₂为截锥锥角，α为攻角，x_c为质心位置，L_ref为参考长度；

④双后掠翼面的稳定俯仰力矩系数C_{m_w}为：

Cm_w=(γ+1)α2SrefLref1+[4(γ+1)M∞α]2{cotλI[b0I2(xc-xs)-23b0I3]-]]>

23cotλII(b0II-b1)3+[cotλII(xc-xs)-b0I(cotλI+cotλII)](b0II-b1)2]]>

+2b0IcotλI(b0II-b1)(xc-xs-b0I)]]>

+[(b0II-b1)cotλII+b0IcotλI][2(xc-b0I-b0II-xc)b1+b12]}]]>

式中，γ为绝热系数，S_ref为参考面积，L_ref为参考长度，λ_I为内翼前缘后掠角，λ_II为外翼前缘后掠角，b_0I为内翼根弦长度，b_0II为外翼根弦长度，b₁为翼面梢弦，x_s为外露翼安装位置距离弹身顶点的距离，K_αα为翼身干扰系数；

（b）飞行器的线性稳定俯仰力矩系数C_{m_L}(α)为稳定俯仰力矩系数C_m(α)表达式中的线性部分，包括头部尖椎段产生的线性稳定俯仰力矩系数C_{m_L_zhi1}、头部截锥段产生的线性稳定俯仰力矩系数C_{m_L_zhi2}及收缩尾部产生的线性稳定俯仰力矩系数C_{m_wb_L}，即

C_{m_L}(α)=C_{m_L_zhi1}+C_{m_L_zhi2}+C_{m_wb_L}    （3）

式中，

①头部尖椎段产生的线性稳定俯仰力矩系数C_{m_L_zhi1}

Cm_zhil_L=4αsin2θ1(L1tanθ1+L2tanθ2)2Lref(12xcL12-13L13)]]>

②头部截锥段产生的线性稳定俯仰力矩系数C_{m_L_zhi2}

Cm_zhi2_L=4sinθ2cosθ2(L1tanθ1+L2tanθ2)2Lref[12L1L2tanθ1(2xc-2L1-L2)]]>

+L22tan(12(xc-L1)-13L2)]]]>

③收缩尾部产生的线性稳定俯仰力矩系数C_{m_wb_L}

Cm_wb_L=-0.035αξ(1-ηt2)Lref(xc-Lsh-Rmaxηtcotθ3+23Rmaxcotθ3(1-ηt4)1-ηt3)]]>

式中，L₁为尖锥长度，L₂为截锥长度，θ₁为尖锥锥角，θ₂为截锥锥角，θ₃为尾部收缩角，α为攻角，x_c为质心位置，L_ref为参考长度，η_t为尾部收缩比，R_max为圆柱部分半径；

步骤二：确定飞行器外形的总体参数共同构成飞行器气动外形优化的决策变量，包括头部尖椎锥角θ₁，头部尖椎长度L₁、头部截锥锥角θ₂、头部截锥长度L₂、圆柱段长度L₃、收缩尾部长度L₄、尾部收缩角θ₃、双后掠翼面的内外翼后掠角χ_I和χ_II、双后掠翼的内外翼根弦长度b_0I和b_0II，即优化模型的决策变量向量为：

X=(θ₁，θ₂，θ₃，L₁，L₂，L₃，L₄，χ_I，χ_II，b_0I，b_0II)^T    （4）

步骤三：基于俯仰通道气动非线性特性的飞行器总体随控优化约束确定包含以下两个子步骤：

子步骤1：优化对象飞行器特征参数是总体外形参数的函数，分别为：

（a）弹身长径比λ_B

λ_B=(L₁+L₂+L₃+L₄)D_max    （5）

（b）头部长径比λ_n

λ_n=(L₁+L₂)/D_max    （6）

（c）尾部长径比λ_t

λ_t=L₄/D_max    （7）

（d）尾部收缩比η_t

η_t=1-L₄/(R_maxcotθ₃)    （8）

（e）尾部截面面积S_d

S_d=π(η_tR_max)²    （9）

（f）毛机翼面积S

S=b_0I²cotχ_I+b_0II(b_0Icotχ_I+l/2)    （10）

（g）外露翼展弦比λ_k

λk=λ(1-Dmaxl)[1-(Dmax/l)(η-1)(η+1)]---(11)]]>

（h）外露翼根梢比η_k

ηk=1+Dmaxl(η-1)---(12)]]>式中，λ为毛机翼展弦比，λ=l²/S，l为毛机翼展长，L₁为尖锥长度，L₂为截锥长度，L₃为柱段长度，L₄为收缩尾部长度，D_max为弹体最大直径，D_max=2R_max，θ₃为尾部收缩角，η为毛机翼的根梢比，η=(b_0I+b_0II)/b₁，b_0I为毛机翼的内翼根弦长度，b_0II为毛机翼的外翼根弦长度，b₁为翼面梢弦；

设定各参数变化范围为±m％，0≤m≤5；设k=m％，即得到以下约束条件：

(1-k)λB_0≤λB≤(1+k)λB_0(1-k)λn_0≤λn≤(1+k)λn_0(1-k)λt_0≤λt≤(1+k)λt_0(1-k)ηt_0≤ηt≤(1+k)ηt_0(1-k)ηd_0≤Sd≤(1+k)Sd_0(1-k)S_0≤S≤(1+k)S_0(1-k)λk_0≤λk≤(1+k)λk_0(1-k)ηk_0≤ηk≤(1+k)ηk_0---(13)]]>其中，由飞行器基准外形特征参数允许的变化范围确定m大小，λ_{B_0}、λ_{n_0}、λ_{t_0}、η_{t_0}、S_{d_0}、S_{_0}、λ_{k_0}、η_{k_0}分别为未优化基准外形的弹身长径比、头部长径比、尾部长径比、尾部收缩比、尾部截面面积、毛机翼面积、外露翼展弦比、外露翼根梢比；

子步骤2：基于飞行器基准外形不变确定优化约束条件；

寻优算法包括：

（a）飞行器毛机翼安装在弹体头部与圆柱段，即L₁+L₂+L₃≥b_0I+b_0II；

（b）双后掠翼的内外翼后掠角满足内翼后掠角不小于外翼后掠角，即χ_I≥χ_II；

（c）双锥头部的尖椎锥角不小于截锥锥角，即θ₁≥θ₂；

（d）双后掠翼的梢弦大于零，保证双后掠翼整体为梯形翼，即b_0Icotχ_I+b_0IIcotχ_II≥l/2；

（e）内外翼转折点处的翼面展长不大于双后掠翼的后缘展长，即b_0Icotχ_I≤l/2；

（f）内外翼转折点处的翼面展长必须大于飞行器弹体最大半径，即b_0Icotχ_I≥R_max；

（g）飞行器底部为收缩裙，即满足L₄tanθ₃≤R_max；

综合以上基准外形不变条件得到随控优化约束条件：

-L1-L2-L3+b0I+b0II≤0-χI+χII≤0-θ1+θ2≤0-(b0IcotχI+b0IIcotχII)+l/2≤-b0IcotχI-l/2≤0-b0IcotχI+Rmax≤0L4tanθ3-Rmax≤0---(14)]]>

结合子步骤1、子步骤2结论得到飞行器总体随控优化的约束条件包括线性约束和非线性约束，分别为：

线性约束条件

-L1-L2-L3+b0I+b0II≤0-χI+χII≤0-θ1+θ2≤0(1-k)λB_0-λB≤0λB-(1+k)λB_0≤0λn-(1+k)λn_0≤0(1-k)λn_0-λn≤0λt-(1+k)λt_0≤0(1-k)λt_0-λt≤0]]>ηt-(1+k)ηt_0≤0(1-k)ηt_0-ηt≤0Sd-(1+k)Sd_0≤0(1-k)Sd_0-Sd≤0S-(1+k)S_0≤0(1-k)S_0-S≤0λk-(1+k)λk_0≤0(1-k)λk_0-λk≤0ηk-(1+k)ηk_0≤0(1-k)ηk_0-ηk≤0---(15)]]>

非线性约束条件

l/2-(b0IcotχI+b0IIcotχII)≤0b0Icotxt-l/2≤0Rmax-b0IcotχI≤0L4tanθ3-Rmax≤0---(16)]]>

步骤四：基于对飞行器基准外形作最小调整的优化原则，确定飞行器总体随控优化决策变量的搜索范围为±n％，0≤n≤50；设p=n％，即得到决策变量的搜索上、下界分别为：

Ub=θ1_0θ2_0θ3_0L1_0L2_0L3_0L4_0χI_0χII_0b0I_0b0II_0T·(1+p)Lb=θ1_0θ2_0θ3_0L1_0L2_0L3_0L4_0χI_0χII_0b0I_0b0II_0T·(1-p)---(17)]]>式中，决策变量X的搜索上界U_b、搜索下界L_b由n的大小确定；

步骤五：基于飞行器总体随控优化目标函数、约束条件及寻优边界，建立飞行器总体随控优化模型为：

minf(x)=DONLCm(x)]]>

s.t.X∈[L_b U_b]    （18）

AX≤b

g(X)≤0

式中，A、b为线性约束条件的参数，约束条件X∈[L_b U_b]如式（17）所示；

AX≤b为线性约束条件，如式（15）所示；

g(X)≤0为非线性约束条件，如式（16）所示；

步骤六：采用遗传算法对建立的降低气动非线性的飞行器总体随控优化模型进行优化，优化函数为：

[X，fval,exitflag]=ga(minf，11，A，b，[]，[]，L_b，U_b，g)    （19）

函数参数中，min f为引用目标函数，11为决策变量X的维数，U_b、I_b分别为决策变量X的搜索上界和下界，g为引用非线性约束函数g(X)≤0；

返回值X为优化决策变量、fval为优化后的目标函数值，exitflag标记函数是否收敛于返回的优化决策变量X，exitflag>0则收敛，否则不收敛。