[发明专利]进化-配点混合多目标弹道优化方法及其装置

说明书

本发明提供一种进化‑配点混合多目标弹道优化方法及其装置，该方法包括以下步骤：将弹道优化问题转化为多目标优化问题，通过采用打靶法对控制量进行离散，得到第一子问题，采用配点法离散控制量和状态量，得到第二子问题；采用MOEA/D对第一子问题进行优化，获得全局多目标最优解和粗略Pareto前沿；对配点法得到的第二子问题采用分解方法得到非线性规划问题，采用非线性规划算法进行求解，以MOEA/D得到的控制量和状态量作为初始解进行优化迭代，采用节点自适应算法进行网格自适应加密提高求解精度。该发明解决了现有技术中多目标优化方法，进行全局优化时难以兼顾效率和精度的技术问题。本发明的又一方面还提供了该方法的装置。

技术领域

本发明涉及工程设计技术领域，具体的涉及一种进化-配点混合多目标弹道优化方法及其装置。

背景技术

高超声速滑翔飞行器具有高速度、高机动、长航程等诸多优势，将成为未来飞行器的一个重要发展方向。弹道优化技术是高超声速滑翔飞行器的关键技术之一。随着研究的不断深入，在进行高超声速滑翔飞行器弹道设计时，不仅要考虑飞行器在飞行过程中受到的气动热、动压、过载、控制量、终端约束等复杂约束条件的限制，还需要考虑面向具体任务的要求，如航路点、禁飞区等。

面对诸多性能指标，设计者往往不能仅追求单个指标最优，而是需要同时考虑多个相关的性能指标，利用多目标优化方法进行求解，获得Pareto最优解(也称帕累托效率)，从而对各个指标进行权衡和折中。

对于高超声速滑翔飞行器的多目标弹道优化问题而言，工程上常用的方法是利用偏好(权重)信息，将多个目标聚合为单个目标，并采用成熟的单目标优化方法进行求解。主要优化方法包括加权法、理想点法、物理规划法、主要目标法等。基于偏好的方法每次只能优化得到一个解，无法得到整个Pareto前沿。为了获得多个Pareto最优解，通常需要采用多目标优化方法来进行设计。

主要优化方法包括各种多目标进化方法、多目标粒子群方法等。然而当控制变量和目标函数较多时，采用多目标优化方法进行全局优化又难以兼顾效率和精度，难以用于工程实践。

发明内容

本发明的目的在于提供一种进化-配点混合多目标弹道优化方法及其装置，该发明解决了现有技术中多目标优化方法，进行全局优化时难以兼顾效率和精度的技术问题。

本发明提供一种进化-配点混合多目标弹道优化方法，包括以下步骤：

步骤S100：定义状态方程，得到状态量，确定控制量、优化目标和约束条件；

步骤S200：通过采用打靶法对所述控制量进行离散，得到第一子问题，采用配点法离散控制量和状态量，得到第二子问题；

步骤S300：采用MOEA/D对所述第一子问题进行优化计算，获得全局多目标最优解和粗略Pareto前沿；

步骤S400：对所述第二子问题采用分解方法得到非线性规划问题，采用非线性规划算法求解所述非线性规划问题，以MOEA/D得到的全局多目标最优解和粗略Pareto前沿作为初始解进行优化迭代，采用节点自适应算法进行网格自适应加密。

打靶法对控制变量进行离散，一般采用分段线性插值来近似节点间的控制变量的值就可获得较高的精度。配点法首先将时间离散，对控制变量参数化。再以节点处的状态变量和控制变量以及配点处的控制变量作为优化设计变量，从而转换为一般的非线性规划问题。

优选地，步骤S100包括以下步骤：

步骤S110：建立飞行器三自由度运动方程，确定优化目标及控制量；

步骤S120：建立所述飞行器的驻点热流密度约束、过载约束和动压约束等。

优选地，约束条件包括拟平衡滑翔约束、禁飞区约束、控制量约束、终端约束。

优选地，所述步骤S200包括以下步骤：