[发明专利]高超声速飞行器舵面结构分布载荷识别的传感器布局方法

说明书

本发明公开了一种高超声速飞行器舵面结构分布载荷识别的传感器布局方法，该方法以传感器数量及位置为设计变量，基于表征传感器识别性能的载荷识别鲁棒性评估指标和反映传感器分布性能的分布指数指标构建综合评价指标，并以该指标为优化目标建立传感器布局优化模型。该方法首先基于区间过程包络方法，建立不确定舵面结构动态分布载荷识别模型，对载荷识别参数进行求解，建立载荷识别鲁棒性评估指标；其次，为消除传感器配置中的冗余信息，建立分布指数指标；然后，基于上述两种指标，通过归一化及权重方法建立联合适应度函数；最后，通过粒子群优化与传感器数量更新相结合的算法，得到舵面结构分布载荷识别的最优传感器布局。

技术领域

本发明涉及航空航天技术领域，具体涉及高超声速飞行器舵面结构分布载荷识别的传感器布局方法。

背景技术

随着高超声速飞行器向飞行速度更快、飞行距离更远、机动能力更强方向的发展，面临的载荷服役环境愈加严酷。基于经验的结构载荷设计已经不能满足其更高的结构可靠性要求，直接测量复杂气动环境下高超声速飞行器舵面结构的分布动载荷极难实现，亟需准确获取结构的实际载荷，实现结构载荷分布的精准设计，而在飞行试验中的载荷识别则是准确获取结构实际载荷的主要方法。

“载荷识别”技术属于结构动力学反问题，是一项根据结构系统动态特性及测量响应信号来反演外部激励的技术。近几十年来，载荷识别技术不断发展，为高超声速飞行器结构的载荷识别奠定了坚实的基础。现有的载荷识别方法主要包括频域法和时域法，近些年来还涌现了时间有限元法、逆系统法、神经网络方法和小波变换法等。

然而，在工程实际中存在着多方面的不确定因素，既包括飞行器本身材料性能分散性和建模、加工误差等所引发的静态不确定性，同时还涵盖高超声速飞行时外界激励随机扰动、仪器测量偏差与信息传输干扰等时变不确定性，上述未确知因素交叉耦合作用会给飞行器结构载荷的精细化重构带来阻碍。现有方法往往是在确定性条件下进行问题求解的，这样就忽略了飞行器结构载荷、材料等不确定要素对于反问题求解的影响。

高超声速飞行器的动态荷载具有随机性、冲击性、分布式等特点，而且受限于飞行器的质量和空间尺寸要求，无法大规模布置传感器。因此，在传感器数量有限，结构响应信息和本构方程不完备的情况下，无法直接测量吸气式高超声速飞行器的动态荷载，需要在有限测点的情况下通过间接的方式去识别。在结构载荷识别中，传感器网络系统作为首要环节直接影响着识别效果。如何将最少的传感器配置于最合理的位置，进而最大限度地采集到最有价值和最充分的振动信息，受到了广泛关注，也产生了许多不同的传感器优化布置方法。传感器配置领域最先提出的定量方法就是经典的有效独立法，此外，最小化模态置信度矩阵法，模态矩阵求和与求积法、原点留数法等方法也广泛应用于传感器布局优化工作中。近年来，智能优化算法蓬勃发展，如遗传算法、模拟退火算法、粒子群算法等。这类算法均通过模拟自然现象为传感器配置优化问题提供新思路，大部分智能优化算法的优化目标均来源于一些经典理论。但是，以结构动态载荷重构为目标，对传感器布局进行优化的研究还相对较少。

发明内容

本发明要解决的技术问题是：本发明提供了一种基于粒子群算法的高超声速飞行器舵面结构分布载荷识别的传感器布局优化方法。该方法以传感器的数量及位置为设计变量，以兼顾识别载荷鲁棒性能与传感器分布指数的联合适应度函数为优化目标，利用粒子群优化与传感器数量更新相结合的算法，确定高超声速飞行器舵面结构分布式载荷识别的最经济有效的传感器布局方案。该方法采用求解效率高、明确收敛准则，可用于舵面结构存在不确定性并且关于不确定性参数的实验数据或者信息较少的情况。

本发明采用的技术方案为：一种基于粒子群算法的高超声速飞行器舵面结构分布载荷识别的传感器布局优化方法，以获得特定服役环境下舵面结构的最佳传感器网络布局，该方法拟构建的优化模型如下：