一种变工况条件下的抽壳机构智能化改进设计方法与流程

1.本发明属于枪械可靠性设计领域，特别是一种变工况条件下的抽壳机构智能化设计方法。


背景技术：

2.抽壳机构是火炮和自动武器中的一种重要机构。抽壳机构通常由火炮自动武器身管的弹膛、枪机(或炮栓)、抽壳钩等零件组成，负责将发射完的弹壳从身管的弹膛中抽出。当火炮或自动武器在恶劣的工况条件下工作时，抽壳机构比较容易发生故障，具体故障模式表现为抽壳时拉壳钩从弹壳尾部拉滑脱落、或者抽壳时弹壳尾部发生断裂。
3.抽壳机构结构虽然简单，但是与抽壳动作可靠性相关的敏感设计参数的取值是否合理，直接决定了抽壳机构是否能可靠地工作。在火炮自动武器的设计中，通常需要结合各方面的性能指标设计要求来确定设计参数的取值，同时需要综合考虑可能发生的各种故障，例如：不抽壳、卡壳、断壳等。如果采用传统的优化设计方法，需要建立所有相关机构的仿真模型，其仿真和计算的工作量非常大。并且，当涉及的设计参数较多时，也难以得到满足各种设计要求的优化设计结果。另一方面，武器工作的可靠性与其工况条件(包括：环境因素、射击模式)有着密切的关系，如果在设计时考虑最恶劣的极限工况条件，往往难以保证在各种故障模式下的机构动作可靠性要求和性能要求。例如，增大抽壳机构的弹底间隙和抽壳开始时间能有效地减少抽壳阻力，从而保证在恶劣工况下的抽壳动作可靠性，但却会使弹壳在抽壳之前更容易发生断壳故障，或者使拉壳钩不能完全进入弹壳底缘的槽内，同时也会降低武器的射速，达不到其规定的射速指标要求。每种武器的作战任务不同、作战环境不一样，其设计要求也不一样，因此，合理的方法是根据武器的常规作战任务，确定其绝大部分情况下的工况条件，在此基础上进行可靠性设计，以满足特定工况条件下的可靠性设计要求。
4.抽壳机构的仿真和试验表明：弹膛的摩擦系数、环境温度和冷却周期射弹量(或射击模式)是影响抽壳机构动作可靠性的三个主要的工况条件。在武器的实际工作过程中，摩擦系数、环境温度和冷却周期射弹量都是变化的值，这种变化是随机的，并且通常服从一定的统计规律的。


技术实现要素：

5.本发明的目的在于提供一种变工况条件下的抽壳机构智能化设计方法，重点解决抽壳机构在不同的工况条件下的参数设计问题，且针对大量繁重的计算和仿真工作，能够快速而有效地给出相应的设计参数值，对原有的参数进行改进和调整，使抽壳机构能够可靠地完成抽壳动作。
6.实现本发明目的的技术解决方案为：
7.一种变工况条件下的抽壳机构智能化设计方法，包括如下步骤：
8.步骤1、创建不同工况条件下的参数设计实例关系：包括工况条件参数、敏感设计
参数、仿真结果、工况条件程度；其中工况条件参数包括弹膛摩擦系数、温度和冷却周期射弹量；敏感设计参数包括效益型参数和成本型参数；仿真结果为抽壳时是否发生拉壳钩滑脱；工况条件程度随工况条件参数的增加而依序增大；
9.步骤2、根据创建的工况条件参数值和敏感设计参数值，生成相应的仿真结果；根据仿真结果：抽壳时是否发生拉壳钩滑脱，如果发生则不断增加敏感设计参数的相对变化量，直到无抽壳故障发生，得到满足仿真要求的敏感设计参数，获得满足要求的参数设计实例关系；
10.步骤3、计算敏感设计参数的隶属函数值和总隶属函数值：根据步骤2得到的敏感设计参数值，计算得到敏感设计参数的隶属函数值和总隶属函数值；
11.步骤4、由极限工况条件参数确定所属的工况等级：以工况条件参数值作为输入，以工况条件等级作为输出，通过人工智能算法训练模型，根据实际给出的极限工况条件参数值作为输入，得到该极限工况条件参数所属的工况条件等级；
12.步骤5、由极限工况条件参数确定设计参数的总隶属函数值：以工况条件参数值作为输入，以敏感设计参数的总隶属函数值作为输出，通过人工智能算法训练模型，根据实际给出的极限工况条件参数值作为输入，得出该极限工况条件下敏感设计参数的总隶属函数值；
13.步骤6、根据步骤4确定的工况条件等级，将步骤5预测得出的敏感设计参数总隶属函数值按工况等级对应的比例分配给每个设计参数：根据该工况条件等级下敏感设计参数原始的隶属函数值的比例，将得到的总隶属函数值分配给每个敏感设计参数；
14.步骤7、将各敏感设计参数的隶属函数值转换为设计参数值：根据步骤3的计算方法反向计算得到对应的实际敏感设计参数值。
15.本发明与现有技术相比，其显著优点是：
16.(1)可应用的工况条件广：枪械等自动武器需在不同作战任务中工作，工况条件不同，而现阶段对枪械抽壳机构的研究很少涉及变工况条件，通过本发明可以针对不同的工况条件要求，实现有效的参数设计，保证抽壳机构能够可靠地完成抽壳动作。
17.(2)设计速度快：通过本发明，技术人员在输入工况条件参数至得到设计结果，仅需数秒至数十秒。
附图说明
18.图1为本发明的智能化改进设计总体步骤流程图。
19.图2为svm法确定工况等级技术路线图。
20.图3为bp神经网络预测技术路线图。
21.图4为智能改进设计结果界面图。
具体实施方式
22.下面结合附图及具体实施例对本发明做进一步的介绍。
23.为了说明本发明的技术方案及技术目的，下面结合附图及具体实施例对本发明做进一步的介绍。显然，所描述的实施例仅仅是本发明一部分实例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其
他实施例，都属于本发明保护的范围。
24.结合图1，本发明的一种变工况条件下的抽壳机构智能化改进设计方法，包括以下步骤：
25.步骤1、创建不同工况条件下的参数设计实例表。参数设计实例表由工况条件参数、敏感设计参数、参数变更程度和仿真结果组成。如表1所示。其中，工况条件参数有3 个，分别为：弹膛摩擦系数、温度和冷却周期射弹量；敏感设计参数为：弹壳与身管的最大径向间隙、弹底间隙、抽壳开始时刻、拉壳钩簧预压力、拉壳钩簧刚度、拉壳钩轴到钩齿顶端的距离l4和拉壳钩轴到拉壳钩底部的垂直距离l5,其中前5个敏感设计参数为效益型参数，数值变大仿真结果越好，后2个为成本型参数，数值变小仿真结果越好；参数变更程度包括工况条件强度和设计参数变更程度；仿真结果为：抽壳时是否发生拉壳钩滑脱。
26.表1中的参数的取值按照如下规则：
27.(1)工况条件参数按照正交试验法取值。假设表1中的m个工况条件参数分别具有n1,n2,
…
和nm个因子水平，则按照正交全面试验法，取所有因子水平的组合，共有 n1*n2*
…
*nm种组合。例如弹膛摩擦系数参数有4个，分别为0.23、0.25、0.27和0.29；温度参数有2个，分别为20℃和50℃；冷却周期射弹量参数有2个，分别为600发和 1000发。所有因子水平组合有16种。
28.(2)从表中序号为1的行到最后一行，工况条件的强度逐渐增大，即序号为i 1 行的工况条件强度大于序号为i的行。例如，对于弹膛摩擦系数、温度和冷却周期射弹量这三个参数，其数值越大工况条件的强度越大。假设这三个参数的取值共有16种组合，如表1中的16行。表中序号为1的行的工况条件参数值最小，其工况条件强度最低；最后一行的工况条件参数值最大，其工况条件强度最高(或最恶劣)。表中每一行的工况条件强度b的计算公式如下：
29.b＝σ(si*pi)
30.其中，si为第i个工况条件参数对仿真结果的敏感度，pi为第i个工况条件参数的相对变化量。
31.例如，序号1中的工况条件参数弹膛摩擦系数、温度和冷却周期射弹量对仿真结果的敏感度归一化后为s1＝0.802，s2＝0.160，s3＝0.038；弹膛摩擦系数、温度和冷却周期射弹量的参数值的相对变化量归一化后分别为p1＝0.333，p2＝0，p3＝0，则变更程度的值为：b＝σ(si*pi)＝0.802
×
0.333 0.160
×
0 0.038
×
0＝0.267
32.(3)敏感设计参数在规定的范围内取值。表中序号为0的行中的设计参数值为初始值。参数的初始值是其区间范围内的最大值或最小值，效益型(越大越好)参数的初值为最小值；成本型(越小越好)参数的初值为最大值。从表中序号为1的行到最后一行，敏感设计参数值的变更程度逐渐增大，即序号为i 1行的敏感设计参数值的变更程度大于序号为i的行。序号为1的行中的敏感设计参数值取参数设计范围内的最劣值，表中最后一行中的设计参数值取参数设计范围内的最优值。表中每一行的设计参数值的变更程度计算公式为：
33.d＝σ(ti*qi)
34.其中，ti为第i个敏感设计参数对仿真结果的敏感度，qi为第i个敏感设计参数值的相对变化量。
35.例如，序号1中的敏感设计参数弹壳与身管的最大径向间隙、弹底间隙、抽壳开始
时刻、拉壳钩簧预压力、拉壳钩簧刚度、拉壳钩轴到钩齿顶端的距离l4和拉壳钩轴到拉壳钩底部的垂直距离l5对仿真结果的敏感度归一化后为t1＝0.010，t2＝0.021， t3＝0.174，t4＝0.270，t5＝0.234，t6＝0.262，t7＝0.029；敏感设计参数的参数值的相对变化量归一化后分别为q1＝0，q2＝0，q3＝0，q4＝0，q5＝0，q6＝0.25，q7＝0.0.25，则变更程度的值为：
36.d＝σ(ti*qi)＝0.010
×
0 0.021
×
0 0.174
×
0 0.270
×
0 0.234
×
0 0.262
×
0.25 0.029
×
0.25 ＝0.073
37.步骤2、根据创建的工况条件参数值和敏感设计参数值，生成相应的仿真结果，完善参数设计实例表。具体方法为：按照表1中的工况条件参数值和敏感设计参数值，建立抽壳机构的有限元和多体动力学仿真模型并进行仿真，记录每行参数值的仿真结果，如表1所示。要求每行参数值的仿真结果都为无抽壳故障发生(即顺利抽壳)。如果第i 行的参数值的仿真结果为发生抽壳故障(即抽壳失败)，则适当增加某个敏感设计参数值的相对变化量，以增大第i行敏感设计参数值的变更程度，重新进行第i行的抽壳仿真，直到仿真结果为无抽壳故障发生(即顺利抽壳)，最终得到完善的参数设计实例表。
38.表1仿真实例表
[0039][0040][0041]
步骤3、创建设计参数值的隶属函数值表。将表1的设计实例表转换为参数隶属函数值表，参数隶属函数值表由工况条件参数、工况等级、敏感设计参数的隶属函数值和总隶
属函数值组成，如表2所示。工况等级根据表1的工况条件强度得到。根据表1中的敏感设计参数值，按照如下转换方法转化为相应的敏感设计参数的隶属函数值：
[0042]
在敏感设计参数的变化范围内，设计参数分为效益型参数(越大越好)和成本型参数(越小越好)两种类型。
[0043]
假设某参数a为效益型参数，参数a的变化范围[amin,amax]，初始值为amin，改动后的敏感设计参数值为ax，则ax的隶属函数值va为：
[0044]
va＝(ax-amin)/(amax-amin)
[0045]
假设某参数b为成本型参数，参数b的变化范围[bmin,bmax]，初始值为bmax，改动后的敏感设计参数值值为bx，则bx的隶属函数值vb为：
[0046]
vb＝(bmax-bx)/(bmax-bmin)
[0047]
表2中的设计参数的总隶属函数值为各敏感设计参数的隶属函数值之和。
[0048]
表2参数隶属函数值表
[0049][0050][0051]
步骤4、由极限工况条件参数确定所属的工况等级。根据表2的数据，采用支持向量机(svm)法确定给出的工况条件所属的工况等级。在采用的svm法中，用于svm 样本建模的输入数据为表2中的n行工况条件参数值，用于svm样本建模的输出数据为表2中的n行工况等级数值。svm法预测程序采用svm法建立的模型和设计者给出的极限工况条件参数值作为输入，可以得出该极限工况条件所属的工况等级。如图2 所示。
[0052]
例如：假设设计者给出极限工况条件参数为：摩擦系数0.26、环境温度45度、冷却周期射弹量800发，则根据svm样本建立的模型，采用svm法预测模块得出的工况等级为8。
[0053]
步骤5、由极限工况条件参数确定设计参数的总隶属函数值。根据表2的数据，采用
bp神经网络预测设计参数的总隶属函数值。在采用的bp神经网络模型中，用于神经网络样本训练的输入数据为表2中的n行工况条件参数值，用于神经网络样本训练的输出数据为表2中的n行总隶属函数值。bp神经网络预测程序采用训练后的神经网络模型，以设计者给出的极限工况条件参数值作为输入，可以预测出该极限工况条件下设计参数的总隶属函数值。如图3所示。
[0054]
例如：假设设计者给出极限工况条件参数为：摩擦系数0.26、环境温度45度、冷却周期射弹量800法，根据训练后的bp神经网络模型，采用bp神经网络预测程序得出的设计参数的总隶属函数值为3.1728。
[0055]
步骤6、根据步骤4确定的工况等级，将步骤5预测得出的设计参数总隶属函数值按工况等级对应的比例分配给每个设计参数。由于针对表2中的同一个工况等级，敏感设计参数值的改动比例应当一致。因此在某一个工况等级中，敏感设计参数的隶属函数值的比例是一定的。假设根据步骤4确定的工况等级为i，步骤5预测得出的总隶属函数值为f，则根据表2中工况等级为i的行中的参数隶属函数值的比例，将f分配给每个敏感设计参数。
[0056]
例如，根据步骤4确定的工况等级为8，步骤5预测得出的总隶属函数值为3.1728，则在表2中工况等级8所在的行中，各敏感设计参数隶属函数值的比例为0.8:0.8:0:0: 0:1:1，则将3.1728按比例分配给每个设计参数，即设计参数最大径向间隙、弹底间隙、抽壳开始时刻、拉壳钩簧预压力、拉壳钩簧刚度、拉壳钩轴到钩齿顶端的距离、拉壳钩轴到拉壳钩底部的垂直距离的隶属函数值分别为：0.7051、0.7051、0、0、0、0.8813、 0.8813。
[0057]
步骤7、将各敏感设计参数的隶属函数值转换为设计参数值。由设计参数与隶属函数值转换机制，可得隶属函数值转换为设计参数值的公式即：
[0058]
设计参数为效益型参数(越大越好)，隶属函数值为va，改动后的参数值为ax，则ax＝va*(amax-amin) amin；
[0059]
设计参数为成本型参数(越小越好)，隶属函数值为vb，改动后的参数值为bx，则bx＝bmax-vb*(bmax-bmin)；
[0060]
例如，隶属函数值分别为：0.7051、0.7051、0、0、0、0.8813、0.8813的7个敏感设计参数，转换后的设计参数值分别为：0.1853、0.2705、2.4842、60.0000、15.0000、 7.5475、1.4437，即最大径向间隙为0.1853mm、弹底间隙为0.2705mm、抽壳开始时刻为2.4842ms、拉壳钩簧预压力为60.0000n、拉壳钩簧刚度为15.0000n/mm、拉壳钩轴到钩齿顶端的距离为7.5475mm、拉壳钩轴到拉壳钩底部的垂直距离为1.4437mm。这即为满足工况条件要求的参数设计结果，如图4所示。
[0061]
以上实施例仅用于帮助阐述本发明，并非对本发明作任何形式上的限制，本领域技术人员利用上述揭示的技术内容做出些许简单修改、等同变化或修饰，均落在本发明的保护范围内。