一种高超声速拦截器性能快速评估方法技术

本发明专利技术公开了一种高超声速拦截器性能快速评估方法。本发明专利技术以神经网络为代理模型框架，利用设计人员在型号设计过程中积累的工程经验，填补工况参数和目标性能之间的映射规律，将工程经验融入到神经网络中，弥补小样本数据预测精度低的问题。最终训练得到的神经网络代理模型的测试误差在0.5％以内，表明本发明专利技术所建立的神经网络代理模型能够获得较高精度的气动性能参数预测结果，并具有良好的泛化能力。能力。能力。

【技术实现步骤摘要】
一种高超声速拦截器性能快速评估方法


[0001]本专利技术涉及拦截器气动性能评估
，具体涉及一种高超声速拦截器性能快速评估方法。

技术介绍

[0002]为了应对临近空间高超声速拦截器(速度超过5倍音速以上)的威胁，发展和建立新型的武器防御系统是必要之需，其中地基拦截是一种有效的遏制手段。然而临近空间空气稀薄，拦截弹的气动力不足，传统舵面控制方法无法提供其机动过载要求。为了克服传统舵面控制方法的不足、实现控制指令的快速响应，采用直接力/气动力复合控制是目前较理想的方法。该方法使拦截弹控制系统具有更快的响应速度与过载能力，有效提高了打击精度。通过采用气动力和直接力复合的控制方式，能够使拦截器机动的响应时间显著减少，大幅提升拦截器的机动性能，如图1所示。
[0003]但是直接力喷流与超声速来流相互干扰的流动特征非常复杂，存在激波与激波干扰、激波与附面层干扰等复杂流动，从而对拦截弹产生严重的力和力矩干扰。这使得带喷流的超声速拦截器的计算机仿真非常耗时并且很难进行优化。带喷流的超声速拦截器的设计优化具有以下特征：高维、黑箱、昂贵。这些特性导本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的高超声速拦截器性能快速评估方法，其特征在于，包括：步骤1，获取训练数据集；所述训练数据集中包括真实仿真数据和工程经验数据；其中，真实仿真数据获取方式为：使用计算试验设计方法，在初始设计空间内获取工况参数样本点，通过工程实验或数据仿真获得对应的气动性能响应值；工程经验数据获取方式为：由设计人员根据其工程经验，利用贝赛尔曲线绘制出工况参数与气动性能的关系拟合曲线，并基于贝赛尔曲线控制点求导实现梯度化表征；步骤2，构建神经网络并初始化网络参数；所述神经网络的输入为拦截器的工况参数，输出为拦截器的性能参数；损失函数由基于真实仿真数据的数据项损失函数和基于工程经验数据的经验项损失函数组成，其中，数据项损失函数为神经网络预测值和真实值之间的均方误差；经验项损失函数为神经网络输入、输出的梯度和对应的贝赛尔曲线梯度的均方误差；步骤3，利用步骤1获取的训练数据集，对步骤2构建的神经网络进行训练，得到训练好的神经网络；步骤4，利用训练好的神经网络，对高超声速拦截器的气动性能进行评估。2.如权利要求1所述的方法，其特征在于，所述工况参数包括：外形参数、工况状态参数和气动特性数据。3.如权利要求2所述的方法，其特征在于，对于某具体的高超声速拦截器，其外形参数设定为不变量；工况状态参数主要有马赫数Ma、攻角α、高度h、滚转角舵偏角DEL、姿控喷流压力比p
zj
和姿轨控喷流压力比p
zgj
；气动特性参数主要有气动基础量，包括：全弹法向力系数c
y1
、全弹俯仰力矩系数m
z1
、舵偏引起的法向力系数Δc
y1(δ)
、舵偏引起的俯仰力矩系数Δm
z1(δ)
；以及气动干扰量，包括：喷流引起的全弹法向力系数增量Δc
y1(j)
、喷流引起的全弹俯仰力矩增量Δm
z1(j)
、喷流对舵偏引起的法向力系数影响量Δ(Δc
y1(δ)
)
j
和喷流对舵偏引起的俯仰力矩系数影响量Δ(Δm
z1(δ)
)
j
。4.如权利要求1所述的方法，其特征在于，工程经验数据获取方式具体如下：在坐标系中增加贝塞尔曲线控制点，设计人员通过增减控制点的数量、拖动控制点的位置可得到拟合曲线；设计人员完成知识绘制后，保存当前经验知识曲线的控制点坐标，完成知识获取整个过程。5.如权利要求1所述的方法，其特征在于，所述神经网络采用贝叶斯神经网络、BP神经网络或进化神经网络。6.如权利要求5所述的方法，...

【专利技术属性】
技术研发人员：郝佳，叶文斌，龙辉，王国新，明振军，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：