【技术实现步骤摘要】
一种冲压发动机推力性能的实时优化方法
[0001]本专利技术涉及一种实时优化冲压发动机性能的方法,特别是涉及一种冲压发动机推力性能的实时优化方法。
技术介绍
[0002]冲压发动机是空气喷气发动机的一种,空气的压缩是通过进气道对高速气流进行冲压来实现的,构造简单,成本低。因而其具有非常广泛的应用前景,可用于各种导弹,炮弹以及空间飞行器。冲压发动机中的氧化剂由环形布置的进气口提供,高速来流经进气口压缩后与燃烧室内的燃料混合燃烧,从而产生推力。其中进气口的位置与入射角度会对氧化剂与燃料的掺混效率产生重要的影响,而燃料的掺混效率又会对燃烧过程产生影响,进而会影响冲压发动机推力的产生。然而现有技术主要通过试验研究以提高冲压发动机的推力。通过对冲压发动机各个结构参数进行排列组合试验,从中选取最优的组合。由于冲压发动机各个结构参数和发动机推力之间呈现出非常复杂的非线性关系,因此,盲目的对结构参数进行选择和分析并不能合理的获得最大推力。此外,在优化过程中,基于CFD技术的数值模拟计算时间长,在冲压发动机实际运行过程中,不能等待数值模拟的计算结果再进行优化、调整。
技术实现思路
[0003]针对上述现有技术的缺陷,本专利技术提供了一种冲压发动机推力性能的实时优化方法,解决CFD技术计算时间长,无法实时优化冲压发动机推力的问题。
[0004]本专利技术技术方案如下:一种冲压发动机推力性能的实时优化方法,包括以下步骤:
[0005]S1、以冲压发动机各进气口的位置以及进气口入射角度构建多维度优化空间;r/>[0006]S2、构建RBF神经网络并进行训练得到RBF预测模型;
[0007]S3、采用蛙跳算法实时优化,具体包括:
[0008]S3
‑
0、设定一时间长度Time,并开始计时,同时初始化种群参数,设定子种群数目m、每个子种群中的青蛙个数n和最大迭代次数T
max
。
[0009]S3
‑
1、随机生成一个由m*n只青蛙组成的种群S(t),m为子种群数目,n为每个子种群中的青蛙个数,每个青蛙个体包括冲压发动机各进气口的进气口位置以及进气口入射角度;
[0010]S3
‑
2、将S(t)经过归一化后作为待预测集合,采用步骤S2得到的RBF预测模型预测S(t)中每个青蛙个体s
j
在不同进气口位置和入射角度下的推力F
j
;
[0011]S3
‑
3、将冲压发动机的推力的倒数作为适应度值大小来评价每个青蛙的好坏;
[0012]S3
‑
4、根据FF的大小对m*n个青蛙个体进行降序排列,生成降序排列种群Z(t),然后将所述降序排列种群Z(t)中的所有青蛙依次分配到m个子种群中,生成新种群R(t)=
(R1,R2,
…
,R
o
,
…
,R
m
),其中每个所述子种群R
o
,o∈[1,
…
,m]包含n个青蛙个体;
[0013]S3
‑
5、采用随机权重策略调整每个所述子种群R
o
中FF最大的青蛙的位置,对青蛙个体进行进化更新以更新所述新种群R(t);
[0014]S3
‑
6、以S3
‑
2同样方法计算所述更新后的新种群的适应度值大小,更新整个种群中FF最小的青蛙个体;
[0015]S3
‑
7、令t=t+1,重复步骤S3
‑
4至S3
‑
7,直到t=T
max
时停止计算,根据FF最小的青蛙个体分别调整发动机的进气口位置和进气口入射角度;
[0016]S3
‑
8、当计时达到Time时,返回步骤S3
‑
1继续进行优化,直至发动机停止工作。
[0017]进一步地,所述步骤S3
‑
5具体包括以下步骤:
[0018]S3
‑
5.1、令a=1,a∈[1,m],依次对m个子种群进行迭代更新操作;
[0019]S3
‑
5.2、令b=1,b∈[1,ξ],对每个子种群进行最大次数为ξ的迭代更新;
[0020]S3
‑
5.3、在每个R
o
中,Qb表示推力最小的青蛙个体,Qw表示推力最大的青蛙个体。Qg表示整个种群R(t)中推力最小的青蛙个体。采用如下公式替换推力最大的Qw个体位置,以提高个体的品质:
[0021]D
j
(t+1)=r1*(Q
b
‑
Q
w
)
[0022]Q
w
(t+1)=Q
w
(t)+D
j
(t+1)
[0023]其中,r1为0到1之间的随机数;
[0024]S3
‑
5.4、调整青蛙个体位置后,重新计算青蛙个体的适应度值FF,然后对比青蛙个体适应度值大小,如果能够获得推力更小的青蛙个体,就用该青蛙的位置取代推力最大的青蛙个体Qw;
[0025]S3
‑
5.5、如果不能找到,用Qg取代Qb青蛙个体,返回步骤S3
‑
5.3继续迭代计算。如果迭代过程中均不能获得推力更小的青蛙个体,则随机生成一个新青蛙个体取代Qw。令b=b+1,重复步骤S3
‑
5.3至S3
‑
5.5,直到b=ξ;
[0026]S3
‑
5.6、令a=a+1,重复步骤S3
‑
5.2至S3
‑
5.6,直到a=m,以达到对每个子种群均进行进化的目的。通过以上进化操作后,生成新种群。
[0027]进一步地,步骤S2、构建RBF神经网络并进行训练得到RBF预测模型,具体包括;
[0028]S2
‑
1、采用拉丁超立方设计方法在该空间构建ψ个样本SS=(ss1,ss2,
…
,ss
k
,
…
,ss
ψ
),每个ss
k
包括发动机各进气口的进气口位置以及进气口入射角度;
[0029]S2
‑
2、采用CFD方法计算每个样本ss
k
的推力大小F
k
,并构成样本集合SSS=(sss1,sss2,
…
,sss
k
,
…
,sss
ψ
),每个sss
k
包括发动机各进气口的进气口位置、进气口入射角度以及对应推力F
k
;
[0030]S2
‑
3、将样本集合SSS归一化后作为RBF神经网络的输入数据;
[0本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种冲压发动机推力性能的实时优化方法,其特征在于,包括以下步骤:S1、以冲压发动机各进气口的进气口位置以及进气口入射角度构建多维度优化空间;S2、构建RBF神经网络并进行训练得到RBF预测模型;S3、采用蛙跳算法实时优化,具备包括:S3
‑
0、设定一时间长度Time,并开始计时,同时初始化种群参数,设定子种群数目m、每个子种群中的青蛙个数n和最大迭代次数T
max
S3
‑
1、随机生成一个由m*n只青蛙组成的种群S(t),m为子种群数目,n为每个子种群中的青蛙个数,每个青蛙个体包括冲压发动机各进气口的进气口位置以及进气口入射角度;S3
‑
2、将S(t)经过归一化后作为待预测集合,采用步骤S2得到的RBF预测模型预测S(t)中每个青蛙个体s
j
在不同进气口位置和入射角度下的推力F
j
;S3
‑
3、将冲压发动机的推力的倒数作为适应度值大小来评价每个青蛙的好坏;S3
‑
4、根据FF的大小对m*n个青蛙个体进行降序排列,生成降序排列种群Z(t),然后将所述降序排列种群Z(t)中的所有青蛙依次分配到m个子种群中,生成新种群R(t)=(R1,R2,
…
,R
o
,
…
,R
m
),其中每个所述子种群R
o
,o∈[1,
…
,m]包含n个青蛙个体;S3
‑
5、采用随机权重策略调整每个所述子种群R
o
中FF最大的青蛙的位置,对青蛙个体进行进化更新以更新所述新种群R(t);S3
‑
6、以S3
‑
2同样方法计算所述更新后的新种群的适应度值大小,更新整个种群中FF最小的青蛙个体;S3
‑
7、令t=t+1,重复步骤S3
‑
4至S3
‑
7,直到t=T
max
时停止计算,根据FF最小的青蛙个体分别调整发动机的进气口位置和进气口入射角度;S3
‑
8、当计时达到Time时,返回步骤S3
‑
1继续进行优化,直至发动机停止工作。2.根据权利要求1所述的冲压发动机推力性能的实时优化方法,其特征在于,所述步骤S3
‑
5具体包括以下步骤:S3
‑
5.1、令a=1,a∈[1,m],依次对m个子种群进行迭代更新操作;S3
‑
5.2、令b=1,b∈[1,ξ],对每个子种群进行最大次数为ξ的迭代更新;S3
‑
5.3、在每个R
o
中,Qb表示推力最小的青蛙个体,Qw表示推力最大的青蛙个体,Qg表示整个种群R(t)中推力最小的青蛙个体,采用如下公式替换推力最大的Qw个体位置:D
j
...
【专利技术属性】
技术研发人员:张盛龙,林玲,覃冰,牟晟伯,胡焰彬,胡志涛,李铭迪,
申请(专利权)人:常熟理工学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。