一种单涵道尾座式无人机气动多目标协同优化方法及系统与流程

摘要: 本发明涉及无人机气动总体优化设计,具体涉及一种单涵道尾座式无人机气动多目标协同优化方法及系统。背景技术:1、单涵道尾座式无人机兼具垂直起降悬停、模态转换、高速巡...
一种单涵道尾座式无人机气动多目标协同优化方法及系统与流程

本发明涉及无人机气动总体优化设计,具体涉及一种单涵道尾座式无人机气动多目标协同优化方法及系统。

背景技术:

1、单涵道尾座式无人机兼具垂直起降悬停、模态转换、高速巡航能力,无复杂倾转机构,整机重量效率高,涵道包裹螺旋桨安全性高,在侦察巡检、应急搜救等场景具备显著应用价值。该类无人机需要覆盖从零速悬停、低速姿态转换到高速平飞的宽速域飞行包线,涵道唇口、涵道尺寸、机翼平面参数之间存在极强的气动耦合效应;悬停效率、过渡模态稳定裕度、巡航升阻比等多个设计目标互相矛盾,一组气动参数很难同时让所有工况性能达到最优。

2、现有设计模式中,气动、推进、总体等专业分开建模分析,各专业输出结果反馈给总体人员,依靠工程师经验反复试凑迭代,迭代周期长,很难得到多工况综合最优方案。传统多目标寻优策略用于工程优化问题时,存在初始采样点空间分布不均匀、迭代后期解集合多样性丢失、容易陷入局部最优,无法输出完整帕累托前沿解集,难以适配宽速域多工况协同设计需求。

3、然而,现有方案存在以下缺陷:第一,单涵道尾座式无人机宽速域多工况气动耦合建模困难,多冲突目标难以协同权衡;第二,多专业分离建模依赖设计人员反复试凑,迭代效率低、过度依赖工程经验;第三,传统多目标寻优策略初始采样分布不均、迭代后期解集合多样性差,易丢失非支配解并陷入局部最优。

技术实现思路

1、本技术通过提供一种单涵道尾座式无人机气动多目标协同优化方法及系统,解决了单涵道尾座式无人机宽速域下多工况气动耦合建模困难多冲突目标难以协同权衡、传统优化迭代效率低、传统多目标寻优策略初始采样分布不均且迭代后期易陷入局部最优的技术难题,实现了宽速域下多气动目标的协同寻优,多工况性能协调与迭代效率的同步提升。

2、本技术实施例提供了一种单涵道尾座式无人机气动多目标协同优化方法,包括以下步骤:

3、s1、参数化建模与寻优模式初始化:选取多个涵道-机翼几何参数作为优化变量,设置各优化变量的上下限约束,并设置改进多目标寻优模型的解集合规模、最大迭代次数、扰动概率和外部档案最大存储容量,初始化外部档案集;

4、s2、佳点集低偏采样生成初始解集合:根据优化变量维度选取最小素数,构造佳点基向量,生成单位立方体佳点序列,再映射至各优化变量的实际约束区间,生成初始解集合,每个解向量对应一套涵道-机翼几何参数;

5、s3、多工况气动性能求解:遍历解集合中的每个解向量,提取该解向量的全部参数,生成机翼与单涵道几何模型,调用涡格法-涵道风扇耦合求解模型,分别计算悬停工况的涵道推进效率、模态转换典型大迎角工况的纵向稳定裕度和巡航飞行状态的整机升阻比;

6、s4、多目标适应度计算与非支配解筛选:将最大化性能指标转换为极小化目标向量,对全部解向量进行非支配排序,将全部非支配解写入外部档案集并维护档案规模;

7、s5、迭代更新:判断当前迭代次数是否达到最大迭代次数;未达到时,对解向量依次执行全局探测更新及贪婪择优保留、局部收敛更新及贪婪择优保留,并在迭代次数大于设定阈值时以设定概率执行柯西-高斯混合扰动,对更新后的解向量进行边界约束截断处理,得到新一代解集合后返回步骤s3循环迭代;达到最大迭代次数时,进入步骤s6;

8、s6、输出帕累托最优解集合:迭代终止后,输出外部档案集中的全部帕累托最优解集合。

9、上述实施例的有益效果在于:本方法通过佳点集低偏差采样生成初始解集合,使初始解在参数空间均匀分布,为后续迭代提供高质量初始样本;通过全局探测更新与局部收敛更新双环节迭代,兼顾全局勘探与局部开发;通过柯西-高斯混合扰动提升迭代后期解集合多样性,配合外部档案拥挤度修剪机制完整保存分布均匀的帕累托前沿解集,避免寻优陷入局部最优。本方法兼顾全局勘探与局部寻优,可协调悬停、过渡、巡航多工况气动需求,实现了宽速域下多气动目标的协同寻优,降低对设计人员经验依赖,提升迭代效率。

10、在上述实施例基础上,本技术可进一步改进,具体如下:

11、在本技术其中一个实施例中,步骤s1中所述优化变量包括:涵道唇口曲率半径、涵道直径、机翼面积、机翼展弦比、机翼前缘后掠角、机翼梢根比;

12、各优化变量约束条件表达式为:

13、;

14、其中,代表解向量序号;、分别为涵道唇口曲率半径最小、最大边界;、为涵道直径上下限;、为机翼面积上下限;、为机翼展弦比上下限;、机翼前缘后掠角上下限;、机翼梢根比上下限。

15、有益效果:上述优化变量覆盖涵道与机翼对宽速域气动性能起决定作用的关键几何参数,约束边界的设置使寻优在工程可行域内进行,保障结果的物理可行性。

16、在本技术其中一个实施例中,步骤s2中所述佳点集低偏采样具体为:根据优化变量维度选取最小素数构造佳点基向量,生成单位立方体佳点集序列并映射至各优化变量实际约束区间。

17、有益效果:佳点集具备低偏差特性,相比纯随机采样使初始解向量在参数空间分布更均匀,减少初始采样点聚集与搜索空间遗漏。

18、在本技术其中一个实施例中,步骤s2中所述佳点集低偏采样具体为:

19、设优化变量维度为,初始解集合规模为;选取满足的最小素数,构造佳点基向量:

20、;

21、构造单位立方体佳点集序列,表示取小数部分运算:

22、;

23、将佳点映射至各优化变量实际约束区间,生成第个初始解向量第维分量:

24、;

25、式中:、分别为第维优化变量的上、下边界;为解向量序号,为变量维度序号。

26、在本技术其中一个实施例中,步骤s4中,将最大化悬停效率、最小化过渡稳定裕度偏差、最大化巡航升阻比转换为极小化目标向量,采用帕累托支配关系判断解向量优劣,将非被支配解存入外部档案集。

27、有益效果:实现多冲突目标的协同权衡,并通过外部档案存储与拥挤度修剪完整保留分布均匀的帕累托前沿解集。

28、在本技术其中一个实施例中,步骤s5中所述全局探测更新,从当前解集合内随机选取对比参照解,利用两解向量适应度差异确定方向进行探测;所述局部收敛更新,以外部档案非支配解集中随机选取的迭代参考解向量为引导进行收敛。

29、有益效果:双环节迭代兼顾全局勘探与局部开发,贪婪择优保留准则保证种群整体向帕累托前沿逼近。

30、在本技术其中一个实施例中,步骤s5中所述边界约束截断处理为:对更新后的解向量进行边界截断,变量分量小于下限直接赋值下限,大于上限赋值上限。

31、有益效果:保证迭代过程中解向量始终位于工程可行域内。

32、在本技术其中一个实施例中,步骤s6输出帕累托最优解集合之后,设计人员根据任务侧重需求从帕累托解集中选取对应方案。

33、有益效果:不强制输出唯一方案,允许设计人员根据悬停作业、高速巡航或全飞行包线综合性能等任务场景自主权衡选取,工程实用性强。

34、本技术实施例还提供了一种单涵道尾座式无人机气动多目标协同优化系统,用于实现前述的优化方法,包括:

35、参数化建模与寻优初始化模块,用于选取涵道-机翼几何参数作为优化变量,设置各优化变量的上下限约束,并设置改进多目标寻优模型的解集合规模、最大迭代次数、扰动概率和外部档案最大存储容量,初始化外部档案集;

36、初始解集合生成模块,用于根据优化变量维度选取最小素数,构造佳点基向量,生成单位立方体佳点序列,再映射至各优化变量的实际约束区间,生成初始解集合;

37、多工况气动求解模块,用于遍历解集合中的每个解向量,提取该解向量的全部参数,生成机翼与单涵道几何模型,调用涡格法-涵道风扇耦合求解模型,分别计算悬停工况的涵道推进效率、模态转换典型大迎角工况的纵向稳定裕度和巡航飞行状态的整机升阻比;

38、多目标适应度计算与档案管理模块,用于将最大化性能指标转换为极小化目标向量,对全部解向量进行非支配排序,将全部非支配解写入外部档案集并维护档案规模;

39、迭代更新模块,用于判断当前迭代次数是否达到最大迭代次数;未达到时,对解向量依次执行双环节迭代更新,并在迭代次数大于设定阈值时以设定概率执行柯西-高斯混合扰动,对更新后的解向量进行边界约束截断处理,得到新一代解集合后循环迭代;

40、帕累托解集输出模块,用于在达到最大迭代次数后输出外部档案集中的全部帕累托最优解集合。

41、本系统通过参数化建模与寻优初始化模块完成气动模型与寻优环境构建,初始解集合生成模块以佳点集低偏差采样保证初始解均匀分布,多工况气动求解模块覆盖悬停、过渡、巡航三类工况协同评估,多目标适应度计算与档案管理模块实现多冲突目标权衡并完整保存帕累托前沿,迭代更新模块通过双环节迭代与混合扰动兼顾勘探与开发、避免局部最优,帕累托解集输出模块输出分布均匀的最优解集供设计人员权衡,有效解决了单涵道尾座式无人机宽速域气动多目标协同优化难题,具备精度高、鲁棒性强、效率高的特点。