进化-配点混合多目标弹道优化方法及其装置制造方法及图纸

本发明专利技术提供一种进化‑配点混合多目标弹道优化方法及其装置，该方法包括以下步骤：将弹道优化问题转化为多目标优化问题，通过采用打靶法对控制量进行离散，得到第一子问题，采用配点法离散控制量和状态量，得到第二子问题；采用MOEA/D对第一子问题进行优化，获得全局多目标最优解和粗略Pareto前沿；对配点法得到的第二子问题采用分解方法得到非线性规划问题，采用非线性规划算法进行求解，以MOEA/D得到的控制量和状态量作为初始解进行优化迭代，采用节点自适应算法进行网格自适应加密提高求解精度。该发明专利技术解决了现有技术中多目标优化方法，进行全局优化时难以兼顾效率和精度的技术问题。本发明专利技术的又一方面还提供了该方法的装置。

【技术实现步骤摘要】
进化-配点混合多目标弹道优化方法及其装置
本专利技术涉及工程设计
，具体的涉及一种进化-配点混合多目标弹道优化方法及其装置。
技术介绍
高超声速滑翔飞行器具有高速度、高机动、长航程等诸多优势，将成为未来飞行器的一个重要发展方向。弹道优化技术是高超声速滑翔飞行器的关键技术之一。随着研究的不断深入，在进行高超声速滑翔飞行器弹道设计时，不仅要考虑飞行器在飞行过程中受到的气动热、动压、过载、控制量、终端约束等复杂约束条件的限制，还需要考虑面向具体任务的要求，如航路点、禁飞区等。面对诸多性能指标，设计者往往不能仅追求单个指标最优，而是需要同时考虑多个相关的性能指标，利用多目标优化方法进行求解，获得Pareto最优解(也称帕累托效率)，从而对各个指标进行权衡和折中。对于高超声速滑翔飞行器的多目标弹道优化问题而言，工程上常用的方法是利用偏好(权重)信息，将多个目标聚合为单个目标，并采用成熟的单目标优化方法进行求解。主要优化方法包括加权法、理想点法、物理规划法、主要目标法等。基于偏好的方法每次只能优化得到一个解，无法得到整个Pareto前沿。为了获得多个Pareto最优解，通常需要采用多目标优化方法来进行设计。主要优化方法包括各种多目标进化方法、多目标粒子群方法等。然而当控制变量和目标函数较多时，采用多目标优化方法进行全局优化又难以兼顾效率和精度，难以用于工程实践。
技术实现思路
本专利技术的目的在于提供一种进化-配点混合多目标弹道优化方法及其装置，该专利技术解决了现有技术中多目标优化方法，进行全局优化时难以兼顾效率和精度的技术问题。本专利技术提供一种进化-配点混合多目标弹道优化方法，包括以下步骤：步骤S100：定义状态方程，得到状态量，确定控制量、优化目标和约束条件；步骤S200：通过采用打靶法对所述控制量进行离散，得到第一子问题，采用配点法离散控制量和状态量，得到第二子问题；步骤S300：采用MOEA/D对所述第一子问题进行优化计算，获得全局多目标最优解和粗略Pareto前沿；步骤S400：对所述第二子问题采用分解方法得到非线性规划问题，采用非线性规划算法求解所述非线性规划问题，以MOEA/D得到的全局多目标最优解和粗略Pareto前沿作为初始解进行优化迭代，采用节点自适应算法进行网格自适应加密。打靶法对控制变量进行离散，一般采用分段线性插值来近似节点间的控制变量的值就可获得较高的精度。配点法首先将时间离散，对控制变量参数化。再以节点处的状态变量和控制变量以及配点处的控制变量作为优化设计变量，从而转换为一般的非线性规划问题。优选地，步骤S100包括以下步骤：步骤S110：建立飞行器三自由度运动方程，确定优化目标及控制量；步骤S120：建立所述飞行器的驻点热流密度约束、过载约束和动压约束等。优选地，约束条件包括拟平衡滑翔约束、禁飞区约束、控制量约束、终端约束。优选地，所述步骤S200包括以下步骤：步骤S210：采用打靶法，选取相对较少的节点对控制量进行离散，得到第一子问题；步骤S220：采用配点法，利用Runge-Kutta离散方法同时对控制量和状态量进行离散，得到第二子问题。优选地，所述步骤S300包括以下步骤：步骤S310：采用分解方法将所述第一子问题转化为一组单目标优化问题；优选地，步骤S300中包括以下步骤：步骤S310：采用椭球聚合法对所述一组单目标优化法问题进行；分解方法包括但不限于椭球聚合法、加权和方法、切比雪夫方法等，在本步骤中以椭球聚合法为例：对加权和方法和切比雪夫方法可参考下述文献ZhangQ,LiH.MOEA/D:amultiobjectiveevolutionaryalgorithmbasedondecomposition[J].IEEETransactionsonEvolutionaryComputation,2007,11:712-31在给定椭球偏心率后，使得椭球长轴最小化，令λ表示权重矢量，R(λ)表示坐标变换矩阵(将第一个目标函数F1的坐标轴旋转到权重矢量λ的方向)，则椭球与可达目标区域边界的切点是如下单目标优化问题的全局最优解：其中，gRE(x|a,R(λ),z*)即为优化问题的目标函数，在上式中是理想点，同时也是椭球的中心，为的第i个分量，R(λ)满足RRT＝I，椭球具有一个长轴和若干相等的短轴，a是半长轴与半短轴的比值，坐标变换矩阵后椭球主轴方向与权重矢量方向一致；步骤S320：初始化，所述步骤S320包括以下步骤：步骤S321：计算第i个权重矢量的T个邻居权重索引集，记为B(i)＝{i1,...,iT}；定义权重矢量wi的邻居为与其欧式距离最近的一组权重矢量因此第i个子问题的邻居是由wi最近的权重矢量对应的子问题所组成，每个子问题的优化主要利用其邻居子问题的当前解；步骤S322：随机生成初始种群x1,...,xN，并计算相应的目标函数FVi＝F(xi)；步骤S323：随机生成初始化的理想点z＝(z1,...,zm)T；步骤S330：更新；从B(i)中随机选择指标k,l，使用遗传算子根据xk和xl由差分进化操作得到新解y，对y进行修复或变异操作得到y'，对j＝1,...,m，若zj＜fj(y')，则zj＝fj(y')，对步骤S321中的邻居权重索引集中对应的邻居问题的解，对j∈B(i)，若gRE(y′|a,R(λj),z*)≤gRE(xj|a,R(λj),z*)，则xj＝y'，F(xj)＝F(y')，从EP中删除被F(y')支配的矢量，如果EP中没有支配F(y')的矢量，则将被F(y')支配的矢量加入EP；步骤S340：停止；如果满足预先设定的停止判据，则停止并输出种群，否则转步骤S330。可选地，所述步骤S400包括以下步骤：步骤S410：为了保证求解问题的一致性，采用同样的分解方法将第二子问题转化为一组单目标优化问题，即非线性规划问题；步骤S420：针对步骤S410得到的非线性规划问题，取进化算法得到的所述粗略Pareto前沿上对应的所述第一子问题的解，将第一子问题对应的控制量和状态量作为配点法中的初始解，用于第二子问题的求解；步骤S430：利用现有非线性规划方法(如SNOPT和IPOPT)对所述第二子问题进行求解，得到状态函数x和最优控制函数u；步骤S440：根据所述状态函数x和所述最优控制函数u的小波系数幅值，确定自适应加密的节点，并进行序列优化的循环迭代计算，当迭代达到设定的阈值时，结束迭代，得到精细的多目标优化弹道和Pareto前沿。本专利技术的又一方面提供了一种进化-配点混合多目标弹道优化装置，包括：状态约束模块，用于定义状态方程，确定分解方法，得到状态量，确定控制量、优化目标和约束条件；前处理模块，用于通过采用打靶法对所述控制量进行离散，得到第一子问题，采用配点法离散控制量和状态量，得到第二子问题；进化计算模块，用于采用MOEA/D对所述第一子问题进行优化计算，获得全局多目标最优解和粗略Pareto前沿；配点计算模块，用于对所述第二子问题采用分解方法得到非线性规划问题，采用非线性规划算法求解所述非线性规划问题，以MOEA/D得到的控制量和状态量作为初始解进行优化迭代，采用节点自适应算法进行网格自适应加密。本专利技术的技术效果：本专利技术提供的进化-配点混合多目标弹道优化方法本文档来自技高网...

【技术保护点】
1.一种进化‑配点混合多目标弹道优化方法，其特征在于，包括以下步骤：步骤S100：定义状态方程，得到状态量，确定控制量、优化目标和约束条件；步骤S200：通过采用打靶法对所述控制量进行离散，得到第一子问题，采用配点法离散控制量和状态量，得到第二子问题；步骤S300：采用MOEA/D对所述第一子问题进行优化计算，获得全局多目标最优解和粗略Pareto前沿；步骤S400：对所述第二子问题采用分解方法得到非线性规划问题，采用非线性规划算法求解所述非线性规划问题，以MOEA/D得到的全局多目标最优解和粗略Pareto前沿作为初始解进行优化迭代，采用节点自适应算法进行网格自适应加密。

【技术特征摘要】
1.一种进化-配点混合多目标弹道优化方法，其特征在于，包括以下步骤：步骤S100：定义状态方程，得到状态量，确定控制量、优化目标和约束条件；步骤S200：通过采用打靶法对所述控制量进行离散，得到第一子问题，采用配点法离散控制量和状态量，得到第二子问题；步骤S300：采用MOEA/D对所述第一子问题进行优化计算，获得全局多目标最优解和粗略Pareto前沿；步骤S400：对所述第二子问题采用分解方法得到非线性规划问题，采用非线性规划算法求解所述非线性规划问题，以MOEA/D得到的全局多目标最优解和粗略Pareto前沿作为初始解进行优化迭代，采用节点自适应算法进行网格自适应加密。2.根据权利要求1所述的进化-配点混合多目标弹道优化方法，其特征在于，所述步骤S100包括以下步骤：步骤S110：建立飞行器三自由度运动方程，确定优化目标及控制量；步骤S120：建立所述飞行器的驻点热流密度约束、过载约束和动压约束等。3.根据权利要求2所述的进化-配点混合多目标弹道优化方法，其特征在于，所述约束条件包括拟平衡滑翔约束、禁飞区约束、控制量约束、终端约束。4.根据权利要求1所述的进化-配点混合多目标弹道优化方法，其特征在于，所述步骤S200包括以下步骤：步骤S210：采用打靶法，选取相对较少的节点对控制量进行离散，得到第一子问题；步骤S220：采用配点法，利用Runge-Kutta离散方法同时对控制量和状态量进行离散，得到第二子问题。5.根据权利要求1所述的进化-配点混合多目标弹道优化方法，其特征在于，所述步骤S300包括以下步骤：所述步骤S300包括以下步骤：步骤S310：采用分解方法将所述第一子问题转化为一组单目标优化问题。6.根据权利要求5所述的进化-配点混合多目标弹道优化方法，其特征在于，步骤S300中包括以下步骤：步骤S310：采用椭球聚合法对所述一组单目标优化法问题进行；在给定椭球偏心率后，使得椭球长轴最小化，令λ表示权重矢量，R(λ)表示坐标变换矩阵(将第一个目标函数F1的坐标轴旋转到权重矢量λ的方向)，则椭球与可达目标区域边界的切点是如下单目标优化问题的全局最优解：其中，gRE(x|a,R(λ),z*)即为优化问题的目标函数，在上式中是理想点，同时也是椭球的中心，为的第i个分量，R(λ)满足RRT＝I，椭球具有一个长轴和若干相等的短轴，a是半长轴与半短轴的比值，坐标变换矩阵后椭球主轴方向与权重矢量方向一致；步骤S320：初始化，所述步骤S320包括以下步骤：步骤S321：计算第i个权重矢量的T个邻居权重索引集，记为B(i)＝{i1,...,iT}；定义权重矢量...

【专利技术属性】
技术研发人员：丰志伟，张青斌，彭悟宇，杨涛，葛建全，张斌，黄浩，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南,43