一种线圈型电磁发射器关键参数优化方法

1.本发明涉及电磁线圈发射技术领域，尤其是一种线圈型电磁发射器关键参数优化方法。


背景技术：

2.电磁发射技术是继传统火炮发射之后出现的一种新概念发射技术，不存在传统火炮点火时产生高温火焰和大量烟雾的情况，具有隐蔽性好等优点。电磁发射的最早形式是线圈式电磁发射装置，主要由驱动线圈和载荷(弹丸)两部分构成，其主要工作原理是用交变电流或者序列脉冲产生一个变化的磁场，从而驱动带有线圈或磁性材料的弹丸运动，最终完成发射任务。
3.电磁线圈发射装置力学结构合理，具有诸多优点，例如弹丸和发射管道无机械接触不烧蚀、发射频率高且可控、使用寿命长、效率高且能将大质量的载荷加速到高速等，可广泛应用于防空反导、远程压制、近程主动防护等，也可用于弹射火箭类负载。
4.为使得电磁线圈发射技术能得到更好的应用，弹丸出口速度和系统发射效率的提高对于电磁线圈发射技术的发展至关重要。目前已有许多研究采用人工智能算法对电磁线圈发射系统进行优化，随着发射级数的增加，所需要优化的参数骤增，由此优化所需时间将变得难以接受，若是对发射系统采取单因素分析的方法，过程耗时耗力，无法考虑到参数之间的互相影响。
5.针对多级同步感应线圈炮来说，弹丸的最佳触发位置随着弹丸初速度的变化而变化，想要提高多级同步感应线圈炮的发射性能，需要它们之间合理进行配合。由此对多级线圈炮触发位置进行优化能够得到最佳触发策略，获得更好的发射性能。
6.现有技术提供了“一种基于正交试验法的同步感应线圈发射器关键设计参数优化”。这种优化方法是通过正交试验方法对同步感应线圈发射系统进行优化，得出影响电磁线圈发射器设计的两大关键因素和理想的发射器参数设计。该方案采用的是8个因素7个水平数的正交表，但是当水平数或因素数较大时，如针对23个水平数时，正交试验法需要进行529次试验。
7.所以有必要研发一种线圈型电磁发射器关键参数优化方法，既能提高线圈发射系统的出口速度以及发射效率，又能同时能够减小试验次数，避免试验过程过于繁琐的问题。


技术实现要素：

8.本发明需要解决的技术问题是提供一种线圈型电磁发射器关键参数优化方法，考虑了电磁线圈发射过程中的重力因素，通过对电磁线圈发射系统的关键参数进行优化，得到了最佳触发控制策略，有效提高了线圈发射系统的出口速度以及发射效率。
9.为解决上述技术问题，本发明所采用的技术方案是：
10.一种线圈型电磁发射器关键参数优化方法，包括以下步骤：
11.步骤1，确定电磁线圈发射系统的结构；
12.步骤2，采用有限元仿真计算的方法分析电磁线圈系统发射过程中各参数的变化特性；
13.步骤3，根据均匀试验设计方法在不同线圈触发位置下进行试验；
14.步骤4，基于试验结果数据，进行多元非线性回归分析，得到多级线圈触发位置与发射速度之间的相关关系；
15.步骤5，在原有粒子群算法的基础上采用动态调整惯性权重方法获得改进型粒子群算法；
16.步骤6，基于所述改进型粒子群算法对电磁线圈发射系统进行参数优化设计，得到各级驱动线圈的最优触发位置；
17.步骤7，完成电磁线圈发射系统的关键参数优化设计过程，并对优化后的参数结果进行试验分析验证。
18.本发明技术方案的进一步改进在于：步骤1中，采用五级同步感应线圈垂直发射系统，线圈均采用相同导线进行绕制，并采用固定尺寸的铝筒作为弹丸，从静止开始加速；每一级线圈驱动电路的脉冲电容器都采用相同的电压和容量，五级驱动线圈均有各自独立的电源，每一级驱动线圈都有一个最佳的触发位置。
19.本发明技术方案的进一步改进在于：步骤3中，考虑电磁线圈发射过程中的重力因素，在均匀设计当中，进行试验安排时只需考虑试验点在试验范围内的均匀分布，为了避免出现后一级线圈比前一级提前触发的情况，把后一级在前一级触发之后延迟触发的位置量作为变量，由此，将第一级驱动线圈触发位置(x1)，第二级驱动线圈延后于第一级驱动线圈触发的位置(x2)，第三级驱动线圈延后于第二级驱动线圈触发的位置(x3)，第四级驱动线圈延后于第三级驱动线圈触发的位置(x4)以及第五级驱动线圈延后于第四级驱动线圈触发的位置(x5)这5个因素用于均匀试验研究；针对五级同步感应线圈垂直发射系统，选择23个水平数；以弹丸线圈(4)最大发射速度作为试验指标，利用maxwell软件分别对23种因素水平组合进行仿真计算，并基于仿真数据对结果进行分析。
20.本发明技术方案的进一步改进在于：步骤4中，所述多元非线性回归分析，回归方程选择为：
[0021][0022]
式中，y为最大发射速度，x1、x2、x3、x4、x5分别为五个触发位置；b0、b1、b2、b3、b4、b5、b6、b7、b8、b9、b
10
、b
11
、b
12
、b
13
、b
14
、b
15
、b
16
、b
17
、b
18
、b
19
、b
20
为回归方程中各回归系数。
[0023]
本发明技术方案的进一步改进在于：步骤5中，考虑到粒子群算法容易陷入局部最优，为了平衡算法的全局搜索和局部搜索能力，在速度进化的方程中引入约束因子和惯性权重线性增大，实现算法的快速收敛，提高搜索效率，改进后的粒子群算法进化方程为：
[0024]
v(i 1)＝v(i) αw(i)v(i) αc1r1(pi(i)-x(i)) αc2r2(pg(i)-x(i))
ꢀꢀꢀ
(3)
[0025]
式中：为约束因子，达到控制速度权重的目的；c1、c2为学习因子；w(i)＝w
max-(w
max-w
min
)(n-i)/n为惯性因子，迭代初期惯性因子取值较小，利于粒子在其自身局部最优解周围进行细致搜索；w
max
、w
min
分别为惯性权重最大、最
小值，i为当前迭代次数，n为最大迭代次数。
[0026]
本发明技术方案的进一步改进在于：改进粒子群算法步骤包括：
[0027]
基于仿真数据编写回归分析程序，得到回归方程中各回归系数，由此可得回归方程：
[0028][0029]
将粒子群进行初始化，利用式(2)计算每个粒子的适应度值，并更新粒子的个体最佳位置和群体的全局最佳位置；利用式(3)对每个粒子的速度和位置进行更新，若粒子的速度或者位置超出了各自的约束范围，分别对其速度和位置进行校正；当迭代达到最大次数时，结束运算输出最优解；
[0030]
根据上述步骤，利用改进粒子群算法进行优化，粒子为上述五个触发位置x＝(x1,x2,x3,x4,x5)
t
，适应度函数为式(2)所得回归方程，适应度值为弹丸线圈最大发射速度；
[0031]
通过迭代寻优，获得最优设计变量为x＝(171,19,76,102,200)
t
；
[0032]
将最优参数代入有限元模型中，由此选择优化后的参数为x1＝171，x2＝19，x3＝76，x4＝102，x5＝200。
[0033]
本发明技术方案的进一步改进在于：基于粒子群算法优化后的各级线圈的触发位置为：
[0034]
第一级驱动线圈(3)，171mm；第二级驱动线圈，190mm；第三级驱动线圈，266mm；第四级驱动线圈，368mm；第五级驱动线圈(2)，568mm；弹丸线圈(4)最大发射速度达到38.13m/s，发射效率为58.48％。
[0035]
由于采用了上述技术方案，本发明取得的技术进步是：
[0036]
1、本发明针对线圈发射器存在的初速低的问题，考虑了电磁线圈发射过程中的重力因素，采用均匀设计试验方法研究驱动线圈触发位置等关键参数对发射结果的影响，并通过多元非线性回归对试验结果数据进行分析，得到一个表示各级线圈触发位置与发射速度之间关系的回归方程，基于回归方程，利用改进的粒子群算法对均匀设计和回归分析的结果进行了优化，得到了最佳的驱动线圈触发位置，有效提高了线圈发射系统的发射速度以及发射效率。
[0037]
2、本发明利用均匀试验设计方法和多元非线性回归分析，对多级线圈发射系统的各级线圈触发位置进行了研究，得到一个相关性较好的、表示各级线圈触发位置与发射速度之间关系的回归方程，来研究各级线圈触发位置对发射速度结果的影响情况。
[0038]
3、本发明通过改进的粒子群算法对触发位置进行优化，得到最佳触发控制策略，使多级线圈发射系统的出口速度和效率得到了提高，并进行了仿真实验来验证方法的正确性以及可行性。
[0039]
4、本发明中的有限元仿真软件ansoft maxwell能够对发射过程进行动态仿真，利用均匀设计试验法安排数次试验，研究了五级线圈发射系统的触发位置等关键参数对发射效率的影响。
[0040]
5、本发明采用的均匀设计方法相较于正交试验法，大大减小了试验次数，能够避
免试验过程过于繁琐的问题，如：当选用8个因素，针对本技术的23个水平数，采用正交试验法需要进行529次试验，而若采用本技术的均匀设计方法只需进行23次试验。
附图说明
[0041]
图1是本发明中maxwell仿真模型示意图；
[0042]
图2是本发明中单级线圈驱动电路图；
[0043]
图3是本发明中触发位置示意图；
[0044]
图4(a)是本发明中通常触发位置下电磁力-时间曲线图；
[0045]
图4(b)是本发明中通常触发位置下弹丸速度-时间曲线图；
[0046]
图5(a)是本发明中电磁力-时间曲线图；
[0047]
图5(b)是本发明中放电电流-时间曲线图；
[0048]
图5(c)是本发明中弹丸位置-时间曲线图；
[0049]
图5(d)是本发明中弹丸速度-时间曲线图；
[0050]
图6是本发明流程图；
[0051]
其中，1、求解区域，2、第五级驱动线圈，3、第一级驱动线圈，4、弹丸线圈，5、运动区域。
具体实施方式
[0052]
本技术实施例通过提供一种线圈型电磁发射器关键参数优化方法，解决了现有技术中线圈发射系统的出口速度不高以及发射效率低，同时试验次数多、试验过程过于繁琐的问题；针对线圈发射器存在的初速低的问题，考虑了电磁线圈发射过程中的重力因素，使用均匀试验设计方法，相对于正交试验法可以通过更少的试验反映整体情况，大大降低试验过程的繁琐性；使用多元非线性回归分析对均匀设计得到的试验数据进行分析，得到表示触发位置与发射速度之间关系的回归方程；使用改进型粒子群算法对触发位置进行寻优，得到最佳的触发位置，有效提高了线圈发射系统的发射速度以及发射效率。
[0053]
下面结合附图及实施例对本发明做进一步详细说明：
[0054]
因素：是指在试验设计过程中可调整的变量，本发明中指线圈发射系统的各设计参数。
[0055]
水平：指各试验因素所处的具体状态或情况，本发明中指各设计参数所选定的几种数值。
[0056]
实施例：
[0057]
一种线圈型电磁发射器关键参数优化方法：
[0058]
在线圈型电磁发射器关键参数优化方法中，考虑到实际发射过程中，发射器结构参数一经确定就难以变化，本发明针对五级线圈发射系统的触发位置进行优化。
[0059]
一般来说，驱动线圈应设计成细长形状，并且适当增加其匝数，另外弹丸径向厚度和轴向长度的增加也能有效提升出口速度。针对于用作垂直发射大载荷的电磁线圈发射器，发射系统部分结构参数如表1所示，其长约1m的电磁线圈发射器在100ms内将350kg的发射组件垂直发射到了21.5m/s。
[0060]
本发明中线圈均采用相同导线进行绕制，并采用固定尺寸的铝筒作为弹丸，从静
止开始加速。
[0061]
表1发射系统结构参数表
[0062][0063]
在本发明中，利用maxwell软件瞬态求解器对基于表1参数的发射系统进行仿真计算，采用柱坐标建模，设置求解区域1、第五级驱动线圈2、第一级驱动线圈3、弹丸线圈4、运动区域5，在第一级驱动线圈3和第五级驱动线圈2之间由下至上依次为第二级驱动线圈、第三级驱动线圈和第四级驱动线圈，仿真模型如图1所示。每一级驱动线圈驱动电路的脉冲电容器都采用相同的电压和容量，单级线圈驱动电路如图2所示，电路参数如表2所示。
[0064]
表2驱动电路参数图
[0065][0066]
在本发明中，对于五级同步感应线圈垂直发射系统而言，其五级驱动线圈有各自独立的电源，每一级驱动线圈都有一个最佳的触发位置。在均匀设计当中，进行试验安排时只需考虑试验点在试验范围内的均匀分布，为了避免出现后一级线圈比前一级提前触发的情况，把后一级在前一级触发之后延迟触发的位置量作为变量。由此，将第一级驱动线圈触发位置(x1)，第二级驱动线圈延后于第一级驱动线圈触发的位置(x2)，第三级驱动线圈延后于第二级驱动线圈触发的位置(x3)，第四级驱动线圈延后于第三级驱动线圈触发的位置(x4)以及第五级驱动线圈延后于第四级驱动线圈触发的位置(x5)这5个因素用于均匀试验研究。本发明所述的触发位置均指弹丸线圈的中心位置，如图3所示。
[0067]
进一步的，在试验设计过程当中，水平数的选择会直接影响到优化结果。水平数越多，计算的数据量越大，结果越可信，但水平数过多会增大研究的试验组数，使得试验过程变得繁琐。一般而言，在均匀设计的过程中，因素数与水平数需要成适当比例，水平数应大于因素数的2倍，并且试验组数或水平数应大于回归系数个数，在处理试验结果进行后续回归计算时才能得到拟合度更高的模型。不同均匀设计的均匀度不同，用于刻划均匀度的偏差值越小，表示均匀度越好，试验点分散越均衡，针对本技术所述五级发射系统，考虑到所选回归方程含有21个系数，当水平数不小于21时的各5因素均匀设计表的偏差如表3所示。
本发明选择偏差较小的23个水平数的设计。
[0068]
表3五因素各水平下均匀设计表的偏差
[0069][0070]
综上所述本设计选择23水平5因素的均匀设计表。在进行均匀设计之前，还需确定各因素水平的范围。以第一级驱动线圈3底端为位置零点，由表1可见，驱动线圈长度为180mm，沿发射方向上第一级驱动线圈3中心位置为90mm，第二级驱动线圈、第三级驱动线圈、第四级驱动线圈、第五级驱动线圈2中心位置分别为290mm、490mm、690mm、890mm。由于在发射过程中，弹丸线圈中的感应电流与驱动线圈电流方向相反，由此在两个线圈之间会产生一个推力，为保证弹丸线圈被不断加速推离炮口，理论上弹丸线圈的各级触发位置应在各级驱动线圈中心线之后，因此第一级驱动线圈触发位置的范围选择为95～290mm，第二级驱动线圈延后于第一级驱动线圈3触发的位置量范围选择为0～90mm；而第二驱动线圈、第三级驱动线圈中心线间距为200mm，因此第三级驱动线圈延后于第二级驱动线圈触发的位置量范围选择为0～200mm；同理，第四级驱动线圈延后于第三级驱动线圈触发的位置量范围选择为0～200mm，第五级驱动线圈2延后于第四级驱动线圈触发的位置量范围选择为0～200mm。根据各因素水平的取值范围，进行大致23等分，得到各因素的水平表如表4所示。
[0071]
表4均匀试验因素水平表
[0072]
[0073][0074]
本发明使用23水平5因素的均匀设计表，根据23水平5因素均匀设计表并结合表4中的各因素水平值，分别替代进行因素水平数据排布，得到均匀设计试验安排表如表5所示。
[0075]
表5均匀设计试验安排表
[0076][0077]
为了研究各因素对发射性能的影响情况，以弹丸线圈4最大发射速度作为试验指标，利用maxwell软件分别对表5中的23种因素水平组合进行仿真计算，并基于仿真数据对结果进行分析。
[0078]
在本技术中，利用建立好的仿真模型，并设置充电电压为4.7kv，弹丸质量为350kg，负载设置为弹丸所受重力-3.5kn，仿真步长设置为0.5ms进行仿真计算。选择通常情
况下的五级线圈触发位置分别为110mm、290mm、490mm、690mm、890mm，仿真得到电磁力和速度随时间变化曲线如图4(a)和图4(b)所示。
[0079]
由图可以看出，弹丸线圈4的整个加速过程较为波动，最大发射速度达到25.12m/s，发射效率为25.99％。根据表5的均匀设计表来安排试验并进行仿真计算，得到各次试验最大发射速度结果如表6所示。
[0080]
表6均匀设计试验结果示意表
[0081][0082]
由于均匀设计的结果没有整齐可比性，对结果进行分析不能选择常规的方差分析方法，为了研究各因素与发射速度之间的相关关系，根据23组试验数据进行回归分析，建立一个相关性较好的回归方程。
[0083]
进一步的，当客观事物内部规律较为复杂，无法分析实际对象之间内在关系时，回归分析是处理变量之间相关关系的较好方法。在本技术中，为研究各因素对发射性能的影响，采用多元非线性回归算法对仿真结果进行分析。由于各因素与发射速度之间不是简单的线性关系，并且考虑到因素之间的互相影响，因此回归方程选择为：
[0084][0085]
其中y为最大发射速度，x1、x2、x3、x4、x5分别为五个驱动线圈的触发位置。基于表5和表6的仿真数据编写回归分析程序，得到回归方程中各回归系数如表7所示。
[0086]
表7回归系数值
[0087][0088]
由此可得回归方程：
[0089][0090]
进一步的，为使目标函数值即最大发射速度达到最大，针对回归方程难以直接得出，由此在本发明中，利用粒子群算法(pso)进行优化分析，通过跟踪当前迭代搜寻到的最优值来寻找全局最优，具有较强的鲁棒性、隐含并行性以及渐进收敛性，在工程中得到了广泛应用。
[0091]
考虑到粒子群(pso)算法容易陷入局部最优，为了平衡算法的全局搜索和局部搜索能力，在速度进化的方程中引入约束因子和惯性权重线性增大，实现算法的快速收敛，提高搜索效率。改进后的粒子群(pso)算法进化方程为：
[0092]
v(i 1)＝v(i) αw(i)v(i) αc1r1(pi(i)-x(i)) αc2r2(pg(i)-x(i))
ꢀꢀꢀ
(3)
[0093]
式中：
[0094]
为约束因子，达到控制速度权重的目的；c1、c2为学习因子；w(i)＝w
max-(w
max-w
min
)(n-i)/n为惯性因子，迭代初期惯性因子取值较小，利于粒子在其自身局部最优解周围进行细致搜索；w
max
、w
min
分别为惯性权重最大、最小值，i为当前迭代次数，n为最大迭代次数。
[0095]
改进粒子群(pso)算法步骤为：将粒子群进行初始化，利用式(2)计算每个粒子的适应度值，并更新粒子的个体最佳位置和群体的全局最佳位置；利用式(3)对每个粒子的速度和位置进行更新，若粒子的速度或者位置超出了各自的约束范围，分别对其速度和位置进行校正；当迭代达到最大次数时，结束运算输出最优解。
[0096]
根据上述步骤，利用改进粒子群算法进行优化，粒子为上述五个触发位置x＝(x1,x2,x3,x4,x5)
t
，适应度函数为式(2)所得回归方程，适应度值为弹丸线圈最大发射速度。通过迭代寻优，获得最优设计变量为x＝(171,19,76,102,200)
t
。将最优参数代入有限元模型中，由此选择优化后的参数为x1＝171，x2＝19，x3＝76，x4＝102，x5＝200，对应的各级驱动线圈触发位置如表8所示。
[0097]
表8基于粒子群算法优化后的触发位置
[0098][0099][0100]
基于所得触发位置进行仿真，可得如图5(a)～5(d)所示的仿真结果：弹丸所受电磁力随时间变化曲线如图5(a)所示，各级驱动线圈放电电流随时间的变化曲线如图5(b)所示，弹丸位置随时间变化曲线如图5(c)所示，弹丸速度随时间变化曲线如图5(d)所示。
[0101]
由图5(d)可以看出，弹丸加速较为平稳，没有较大波动。弹丸线圈4最大发射速度达到38.13m/s，发射效率为58.48％，远大于通常触发位置下25.12m/s的发射速度。通过本发明实施例方案，利用均匀试验设计方法和粒子群算法，对多级线圈发射系统的触发位置进行了优化，发射系统的出口速度和效率得到了提高，达到了优化目的。