宽域飞行器总体参数优化方法、系统及计算机存储介质与流程

本发明涉及宽域飞行器技术领域，特别是涉及宽域飞行器总体参数设计优化的方法、系统及计算机存储介质。

背景技术：

宽域飞行器是指宽空域、宽速域、宽包线飞行器，能在0~6马赫，0~100km高度范围自由往返，并水平着陆。因此，宽域飞行器不仅需要具有较强的加速性能、爬升性能，还需要具备兼顾亚音速、跨音速、超音速和高超音速稳定可控的飞行能力，这为飞行器设计提出了更高的要求。

飞行器总体设计过程中，主要关注最大起飞重量、翼载荷、推重比、燃料系数等参数。下面分别进行说明：

飞行器重量是衡量飞行器大小的重要参数，一般根据所需要完成的任务估算得到，作为初始输入给定，并在一定范围内浮动。

翼载荷是飞行器最大起飞重量同参考面积的比，参考面积为机翼投影面积。飞行器在加速过程中，希望具有较小的机翼面积，以产生较小的阻力，然而在爬升及着陆阶段需要较大的机翼面积以产生较大的升力和升阻比，如何选择机翼面积及翼载荷是总体设计所关注的问题。

推重比表示飞行器最大推力同最大起飞重量的比，反映了飞行器的加速性能。在升阻比一定的情况下，较大的推重比使飞行器较快完成加速过程，但飞行器来不及爬升至理想高度，而低空阻力较大，飞行器加速所消耗的燃料较多。因此在加速爬升阶段，推重比并不是越大越好。而较大的发动机重量较大，将形成死重。

燃料系数是指飞行器所携带的燃料重量同最大起飞重量的比，燃料系数越大，留给结构的重量就越小，需要在保证任务需要的情况下，尽可能的降低燃料系数。

宽域飞行器加速和爬升过程中，需要消耗大量燃料，然而飞行器所携带的燃料较为有限，使用有限的燃料，使飞行器加速到指定的速度和高度，提高飞行效率，是飞行器总体设计过程需要重点考虑的问题。

技术实现要素：

本发明的第一目的是提供一种宽域飞行器总体参数优化方法，具有飞行效率更高的特点。

根据本发明提供的一种宽域飞行器总体参数优化方法，方法包括，将翼载荷和推重比作为待优化参数，将最低燃料系数作为目标函数，进行优化，具体包括：

计算最大起飞重量作为定值；计算推重比上限和下限之间的浮动范围作为推重比样本域，计算翼载荷上限和下限之间的浮动范围作为翼载荷样本域；

在样本域内随机选择n组样本分别作为优化初始值，进行航迹优化；所述n组样本为推重比样本和翼载荷样本的组合；

根据航迹优化结果，得到n个最小燃料系数，对n个最小燃料系数按从小到大排序，最小值所对应的样本即为本轮迭代的最优解；

根据优化算法，循环所述n组样本的选取到最优解的计算过程，并根据优化算法判断是否收敛，如果满足收敛条件，则结束循环，从而得到优化后的总体参数。

通过上述技术方案，将翼载荷和推重比作为待优化参数，将最低燃料系数作为目标函数，解决了宽域飞行器总体参数设计优化中，对推重比和翼载荷的设计优化问题，使得宽域飞行器加速和爬升过程中，使用有限的燃料，使飞行器加速到指定的速度和高度，提高了飞行效率。

所述推重比上限和下限的计算方法包括，根据轴向过载及气动力系数计算得到的推重比，作为推重比的上限；推重比的下限取1。

所述翼载荷上限和下限的计算方法包括，根据进场速度及气动力系数计算得到的翼载荷，作为翼载荷的上限；在推重比取下限时，根据全包线定直平飞需满足的条件，计算得到的翼载荷，作为翼载荷的下限。

所述航迹优化的方法包括，将n组样本分别作为优化初始值，将飞行器能够达到的最大速度、最大高度、进场速度、法向过载、轴向过载和最大动压作为约束，将最低燃料系数作为目标函数，进行航迹优化。

所述航迹优化中，将飞行器的发动机推力t和迎角α对速度和高度的函数t（v，h）和α（v，h）作为待优化量；其中，v为飞行器的速度；h为飞行器的高度；

计算发动机推力上限和下限之间的浮动范围作为发动机推力样本域，计算迎角上限和下限之间的浮动范围作为迎角样本域；

根据航迹优化中的优化算法，得到较佳航迹下和最低燃料系数下的推力和迎角。

所述发动机推力上限和下限的计算方法包括，根据当前推重比和最大起飞重量计算得到的推力，作为发动机推力上限；发动机推力下限为0。

所述迎角上限和下限的计算方法包括，根据气动数据需要满足的纵向静稳定和横航向静稳定两个条件计算得到迎角的上限；迎角的下限为0升迎角。

本发明的第二目的是提供一种宽域飞行器总体参数优化系统，具有飞行效率更高的特点。

根据本发明提供的一种宽域飞行器总体参数优化系统，包括计算机存储介质和处理器，所述计算机存储介质存储有能够被处理器加载并执行的计算机程序，所述计算机程序包括，

在样本域内随机选择n组样本；

将所述n组样本分别作为优化初始值，将最低燃料系数作为目标函数，进行航迹优化；根据航迹优化结果，得到n个最小燃料系数，对n个最小燃料系数按从小到大排序，最小值所对应的样本即为本轮迭代的最优解；以及，

根据优化算法，循环所述n组样本的选取到最优解的计算过程，并根据优化算法判断是否收敛，如果满足收敛条件，则结束循环，从而得到优化后的总体参数；

其中，所述n组样本为推重比样本和翼载荷样本的组合，计算推重比上限和下限之间的浮动范围作为推重比样本域，计算翼载荷上限和下限之间的浮动范围作为翼载荷样本域；计算最大起飞重量作为定值。

本发明的第三目的是提供一种计算机存储介质，具有有助于使飞行效率更高的特点。

根据本发明提供的一种计算机存储介质，包括有能够被处理器加载并执行的计算机程序，所述计算机程序包括，

在样本域内随机选择n组样本；

将所述n组样本分别作为优化初始值，将最低燃料系数作为目标函数，进行航迹优化；根据航迹优化结果，得到n个最小燃料系数，对n个最小燃料系数按从小到大排序，最小值所对应的样本即为本轮迭代的最优解；以及，

根据优化算法，循环所述n组样本的选取到最优解的计算过程，并根据优化算法判断是否收敛，如果满足收敛条件，则结束循环，从而得到优化后的总体参数；

其中，所述n组样本为推重比样本和翼载荷样本的组合，计算推重比上限和下限之间的浮动范围作为推重比样本域，计算翼载荷上限和下限之间的浮动范围作为翼载荷样本域；计算最大起飞重量作为定值。

综上所述，本发明对比于现有技术的有益效果为：能够在使用有限的燃料的情况下，使飞行器加速到指定的速度和高度，提高飞行效率。

附图说明

图1是本发明其中一实施例的宽域飞行器总体参数优化过程中的一级优化流程示意图；

图2是图1所示实施例的宽域飞行器总体参数优化过程中的二级优化流程示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本说明书（包括摘要和附图）中公开的任一特征，除非特别叙述，均可被其他等效或者具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

作为宽域飞行器，需要以一定速度爬升至指定高度，同时考虑飞行器在亚音速、跨音速、超音速和高超音速时的加速性能和爬升性能。本发明方案为宽域飞行器总体参数设计提供参考，通过总体参数优化，得到最优的总体参数设计。

宽域飞行器总体参数优化之前，首先根据飞行器设计任务书，确定最大起飞重量wto；其中，最大起飞重量为飞行器起飞时的重量，为定值，包括自身重量和任务载荷重量，能够根据任务书的任务载荷直接计算得到。

其次，确定基本气动构型，选取发动机，并初步计算气动力系数和发动机基本性能参数等；其中，气动力系数包括飞行器在不同速度、迎角和高度下的升力系数、阻力系数和俯仰力矩系数，还包括飞行器在不同速度、迎角、高度和侧滑角下的侧向力系数、滚动力矩系数和偏航力矩系数；发动机的基本性能参数包括发动机在不同速度、迎角和高度下的比冲。

然后，确定优化约束，优化约束包括飞行器能够达到的最大速度vmax、最大高度hmax、进场速度vap、法向过载nz、轴向过载nx和最大动压qmax。

最后，根据本发明提供的宽域飞行器总体参数优化方法设计总体参数，总体参数包括最大起飞重量wto、翼载荷wto/s、推重比t/wto和燃料系数wf/wto等；在保证任务的情况下，需要尽可能的降低燃料系数。如图1和图2所示，在本发明方案中，将翼载荷和推重比作为待优化参数，将最低燃料系数作为目标函数，进行优化。具体包括：

一级优化：计算推重比上限和下限之间的浮动范围作为推重比样本域，计算翼载荷上限和下限之间的浮动范围作为翼载荷样本域；

得到样本域后，在样本域内随机选择n组样本分别作为优化初始值，进行航迹优化；其中，所述n组样本为推重比样本和翼载荷样本的组合。

二级优化：每组样本作为一次航迹优化的输入参数，进行航迹优化（此处航迹优化可以采用常规的航迹优化算法），选取较佳航迹下的最低燃料系数，得到每组样本下的航迹参数。

根据航迹优化结果，得到n个最小燃料系数，对n个最小燃料系数按从小到大排序，最小值所对应的样本即为本轮迭代的最优解；

根据优化算法，循环所述n组样本的选取到最优解的计算过程，即每次选取n组样本并得到对应的航迹优化后的航迹参数，并根据优化算法判断是否收敛，如果满足收敛条件（一般会判断上下两次循环结果的误差小于给定值），即直到根据优化算法判断收敛，则结束循环，从而得到优化后的总体参数。

其中，优化算法可以采用现有技术的优化算法，例如种群分布演化算法、遗传算法或者神经网络算法的各种优化算法等。

通过上述方案，能够在使用有限的燃料的情况下，使飞行器加速到指定的速度和高度，提高飞行效率，能够适用于固体火箭发动机、液体火箭发动机、固液火箭发动机、rbcc、tbcc和atr等多种动力形式。

作为本发明的一种实施方式，推重比上限和下限的计算方法包括，根据轴向过载（根据已知条件得到）及气动力系数计算得到的推重比（该推重比计算方法为现有技术常规计算方法，在此不再赘述详细计算方法），作为推重比的上限tup/wto；推重比的下限取1。因此得到推重比的样本域为tup/wto∈[1，tup/wto]。

作为本发明的一种实施方式，翼载荷上限和下限的计算方法包括，根据进场速度（根据已知条件得到）及气动力系数计算得到的翼载荷（该翼载荷计算方法为现有技术常规计算方法，在此不再赘述详细计算方法），作为翼载荷的上限；在推重比取下限时，根据全包线定直平飞需满足的条件，计算得到的翼载荷，作为翼载荷的下限wto/sdown，如果推重比的下限取1，则翼载荷的下限为推重比为1时，满足全包线定直平飞条件，计算得到的翼载荷作为翼载荷下限wto/sup。因此得到翼载荷的样本域为wto/sdown∈[wto/sup，wto/sdown]。

作为本发明的一种实施方式，根据上述得到的推重比的样本域和翼载荷的样本域，在进行所述n组样本的随机选择时，使用随机抽样方法，在样本域内随机抽取n个推重比样本与n个翼载荷样本的组合量[tk/wto，wto/sk]作为要进行优化设计的n组样本，k=[1,2,3,……,n]^t,其中，n为样本个数。分别将这n组样本，即组合量中的n个组合作为优化设计的初始值，代入航迹优化程序进行航迹优化。

作为本发明的一种实施方式，基于上述得到的推重比的样本域和翼载荷的样本域，航迹优化时，将随机抽取的n组样本分布作为输入参数，即对相应的输入为[tk/wto，wto/sk]，k=[1,2,3,……,n]^t，使用优化算法（如种群分布演化法）寻求最优解。经过n组样本的n次独立优化过程，得到n个最小燃料系数wfmin_k/wto,对n个最小燃料系数按从小到大排序，最小值所对应的样本即为本轮迭代的最优解。

作为本发明的一种实施方式，在航迹优化中，将飞行器的发动机推力t和迎角α对速度和高度的函数t（v，h）和α（v，h）作为待优化量；其中，v为飞行器的速度；h为飞行器的高度；

计算发动机推力上限和下限之间的浮动范围作为发动机推力样本域，计算迎角上限和下限之间的浮动范围作为迎角样本域；

根据航迹优化中的优化算法，得到较佳航迹下和最低燃料系数下的推力和迎角。

作为本发明的一种实施方式，发动机推力上限和下限的计算方法包括，根据当前推重比和最大起飞重量计算得到的推力，作为发动机推力上限；发动机推力下限为0。根据tk/wto和wto计算tk，发动机推力范围为t（v，h）∈[0，tk]。

作为本发明的一种实施方式，迎角上限和下限的计算方法包括，根据气动数据需要满足的纵向静稳定和横航向静稳定两个条件计算得到迎角的上限；迎角的下限为0升迎角。迎角范围α（v，h）∈[α0，αup]，其中α0为0升迎角。

作为本发明的一种实施方式，将待优化量进行参数化处理。根据飞行器动压约束，确定飞行包线，对于待优化的发动机推力和迎角，在飞行包线内将速度和高度划分多个区间，vi和hj分别表示区间间隔点，其中，i=[1，2，3，…，mi]，j=[1，2，3，…，mj]。根据优化精细度的不同，速度和高度的间隔选取可人为控制，精细度越高，间隔越小。假设在区间内推力和迎角恒定，则优化过程可表述为，在不同的空域和速域范围对推力和迎角取值进行优化，使得飞行器在最大高度、最大速度、最大动压、法向过载、轴向过载约束下，燃油系数最小。待优化参数个数为2*（mi+1）*（mj+1）个。

在航迹优化中，从发动机推力样本域和迎角样本域内分别选取n′个样本，使用动力学驱动的方式设计航迹，将最小燃料系数作为目标函数，使用优化算法优化得到最小燃料系数wfmin_k/wto,k=[1,2,3,……,n′]^t，及对应的推力参数t（v，h）和迎角α（v，h）。

作为本发明的一种实施方式，本发明还提供了一种宽域飞行器总体参数优化系统，包括计算机存储介质和处理器，计算机存储介质存储有能够被处理器加载并执行的计算机程序，其中，计算机程序包括，

在样本域内随机选择n组样本；

将所述n组样本分别作为优化初始值，将最低燃料系数作为目标函数，进行航迹优化；根据航迹优化结果，得到n个最小燃料系数，对n个最小燃料系数按从小到大排序，最小值所对应的样本即为本轮迭代的最优解；以及，

根据优化算法，循环所述n组样本的选取到最优解的计算过程，并根据优化算法判断是否收敛，如果满足收敛条件，则结束循环，从而得到优化后的总体参数；

其中，所述n组样本为推重比样本和翼载荷样本的组合，计算推重比上限和下限之间的浮动范围作为推重比样本域，计算翼载荷上限和下限之间的浮动范围作为翼载荷样本域；计算最大起飞重量作为定值。

作为本发明的一种实施方式，本发明提供了一种计算机存储介质，包括有能够被处理器加载并执行的计算机程序，所述计算机程序包括，

在样本域内随机选择n组样本；

将所述n组样本分别作为优化初始值，将最低燃料系数作为目标函数，进行航迹优化；根据航迹优化结果，得到n个最小燃料系数，对n个最小燃料系数按从小到大排序，最小值所对应的样本即为本轮迭代的最优解；以及，

根据优化算法，循环所述n组样本的选取到最优解的计算过程，最终根据优化算法判断是否收敛，如果满足收敛条件，则结束循环，从而得到优化后的总体参数；

其中，所述n组样本为推重比样本和翼载荷样本的组合，计算推重比上限和下限之间的浮动范围作为推重比样本域，计算翼载荷上限和下限之间的浮动范围作为翼载荷样本域；计算最大起飞重量作为定值。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（rom）、可编程rom（prom）、电可编程rom（eprom）、电可擦除可编程rom（eeprom）或闪存。易失性存储器可包括随机存取存储器（ram）或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram（sram）、动态ram（dram）、同步dram（sdram）、双数据率sdram（ddrsdram）、增强型sdram（esdram）、同步链路（synchlink）dram（sldram）、存储器总线（rambus）直接ram（rdram）、直接存储器总线动态ram（drdram）、以及存储器总线动态ram（rdram）等。