论文部分内容阅读
摘 要：本文采用知识工程理念，研究 BP 神经网络代理模型方法，将代理模型方法应用于气动特性映射规律挖掘，提出基于气动特性映射规律的导弹气动外形设计方法。该方法可以有效利用以往设计经验，提高设计效率，缩短设计周期，能在导弹气动外形设计中发挥重要作用。
关键词：锥柱裙体;气动特性;知识工程;神经网络;映射规律
1引 言
锥柱裙体是拦截大气层内及大气层外高超声速机动目标防御武器的常用外形[1]。锥柱裙体拦截器气动外形设计过程存在飞行空域跨度大，并且不同的空域对杀伤器气动特性呈现不同的影响规律，飞行速度范围跨度大，姿轨控侧向喷流工况多、干扰复杂的特点。在设计时需要针对不同流层、不同速域采用不同的计算方法和计算模型，使得气动特性在设计上存在着难点。因为传统的导弹气动外形设计流程，计算工作量大，计算周期长，对已有的设计成果难以继承、设计经验没有得到有效借鉴，所以需要引入新的设计方法实现对锥柱裙体气动外形的快速优化设计。本文拟采用知识工程[2]中的相关理念，来解决锥柱裙体气动外形设计困难的问题。
1引言
锥柱裙体是拦截大气层内及大气层外高超声速机动目标防御武器的常用外形[1]。锥柱裙体拦截器气动外形设计过程存在飞行空域跨度大，并且不同的空域对杀伤器气动特性呈现不同的影响规律，飞行速度范围跨度大，姿轨控侧向喷流工况多、干扰复杂的特点。在设计时需要针对不同流层、不同速域采用不同的计算方法和计算模型，使得气动特性在设计上存在着难点。因为传统的导弹气动外形设计流程，计算工作量大，计算周期长，对已有的设计成果难以继承、设计经验没有得到有效借鉴，所以需要引入新的设计方法实现对锥柱裙体气动外形的快速优化设计。本文拟采用知识工程[2]中的相关理念，来解决锥柱裙体气动外形设计困难的问题。
2需求分析
·传统的气动外形设计首先由总体组下达设计任务书，任务书里包含总体设计要求及约束条件。然后气动外形设计人员根据总体指标要求尋找指标近似的导弹外形或已有型号作为初始外形，通过仿真计算得到导弹气动性能，跟总体指标要求相比较，判断所选方案是否满足总体指标，满足则为可行方案，直接输出该方案作为最终方案，并进行气动力建模;不满足则基于设计人员的设计经验修改气动外形，并进行新一轮的仿真计算和判断，如此往复迭代，直到得到可行方案。传统设计过程存在以下几个问题：
a） 设计耗时太长
b） 仅凭设计经验修改设计参数
c） 数据资源缺乏深度挖掘
3气动特性映射规律挖掘方法
锥柱裙体拦截器气动外形参数与气动特性之间、姿轨控喷流状态参数与喷流干扰特性之间、外形参数与喷流干扰特性之间均存在特定的映射关系，即存在输入和输出之间的映射关系，采用代理模型技术对映射规律进行构建。
代理模型是指通过数学手段构造的计算量小，但计算结果与数值分析或物理试验结果相近的近似数学模型，以替代原分析模型或物理试验用于优化设计。代理模型使气动优化直接脱离其本身气动分析模型，将复杂的气动优化模型转换为数学模型的优化问题，使优化问题对气动本身的依赖性大大减小。而在构造代理模型时，代理模型的精度必须满足要求才能有效替代原气动模型，BP 神经网络模型是一种常用的代理模型方法。
人工神经网络（ANNs）是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。这种网络依靠系统的复杂程度，通过调整内部大量神经元之间相互连接的关系，从而达到处理信息的目的。
4优化算法
在进行气动外形设计时，首先根据BP 神经网络得到气动外形和气动特性的映射规律模型，形成映射数据库。再将数据库和总体要求作为输入，通过遗传算法对初始的设计方案进行优化，在满足约束条件的基础上，不断迭代，最终得到最优方案。该技术实现原理基于遗传算法，以适应度函数为基础。在具体实现过程上，将目标函数，也就是容积函数，作为适应度函数，再将约束条件以惩罚函数的形式添加在适应度函数中。在对初始方案进行适应度检查时，检查方案的气动数据是否满足气动映射规律。若不满足，则加入惩罚函数，降低该方案的适应度，避免该方案成为最优方案。
5基于气动特性映射规律的导弹气动外形设计方法
基于气动特性映射规律的气动外形设计流程如图1 所示。
具体流程如下：
a） 将以往设计经验数据建立仿真数据库;
b） 采用BP 神经网络方法对数据库中的数据构造映射规律的数学模型;
c） 以总体指标要求作为优化目标和约束条件，采用遗传算法对上一步构造的数学模型进行优化，得到最优气动外形;
d） 采用CFD 方法对最优气动外形进行仿真验证，若结果满足总体指标要求则为最优方案，若不满足则对进化算法进行改进，再次进行优化直至得到满足总体指标要求的外形方案。
6结论
本文以BF 神经网络模型方法对拦截气动外形参数与气动特性之间、姿轨控喷流状态参数与喷流干扰特性之间、外形参数与喷流干扰特性之间的映射关系进行构造，并提出了一种基于气动特性映射规律的气动外形优化设计方法。该方法能有效的利用以往设计经验，将大大提高设计效率，缩短设计周期。
参考文献：
[1] 王静.动能拦截弹技术发展现状与趋势[J].现代防御技术，2008，36（4）.
[2] 史忠植.高级人工智能（第二版）[M].科学出版社，2006.
关键词：锥柱裙体;气动特性;知识工程;神经网络;映射规律
1引 言
锥柱裙体是拦截大气层内及大气层外高超声速机动目标防御武器的常用外形[1]。锥柱裙体拦截器气动外形设计过程存在飞行空域跨度大，并且不同的空域对杀伤器气动特性呈现不同的影响规律，飞行速度范围跨度大，姿轨控侧向喷流工况多、干扰复杂的特点。在设计时需要针对不同流层、不同速域采用不同的计算方法和计算模型，使得气动特性在设计上存在着难点。因为传统的导弹气动外形设计流程，计算工作量大，计算周期长，对已有的设计成果难以继承、设计经验没有得到有效借鉴，所以需要引入新的设计方法实现对锥柱裙体气动外形的快速优化设计。本文拟采用知识工程[2]中的相关理念，来解决锥柱裙体气动外形设计困难的问题。
1引言
锥柱裙体是拦截大气层内及大气层外高超声速机动目标防御武器的常用外形[1]。锥柱裙体拦截器气动外形设计过程存在飞行空域跨度大，并且不同的空域对杀伤器气动特性呈现不同的影响规律，飞行速度范围跨度大，姿轨控侧向喷流工况多、干扰复杂的特点。在设计时需要针对不同流层、不同速域采用不同的计算方法和计算模型，使得气动特性在设计上存在着难点。因为传统的导弹气动外形设计流程，计算工作量大，计算周期长，对已有的设计成果难以继承、设计经验没有得到有效借鉴，所以需要引入新的设计方法实现对锥柱裙体气动外形的快速优化设计。本文拟采用知识工程[2]中的相关理念，来解决锥柱裙体气动外形设计困难的问题。
2需求分析
·传统的气动外形设计首先由总体组下达设计任务书，任务书里包含总体设计要求及约束条件。然后气动外形设计人员根据总体指标要求尋找指标近似的导弹外形或已有型号作为初始外形，通过仿真计算得到导弹气动性能，跟总体指标要求相比较，判断所选方案是否满足总体指标，满足则为可行方案，直接输出该方案作为最终方案，并进行气动力建模;不满足则基于设计人员的设计经验修改气动外形，并进行新一轮的仿真计算和判断，如此往复迭代，直到得到可行方案。传统设计过程存在以下几个问题：
a） 设计耗时太长
b） 仅凭设计经验修改设计参数
c） 数据资源缺乏深度挖掘
3气动特性映射规律挖掘方法
锥柱裙体拦截器气动外形参数与气动特性之间、姿轨控喷流状态参数与喷流干扰特性之间、外形参数与喷流干扰特性之间均存在特定的映射关系，即存在输入和输出之间的映射关系，采用代理模型技术对映射规律进行构建。
代理模型是指通过数学手段构造的计算量小，但计算结果与数值分析或物理试验结果相近的近似数学模型，以替代原分析模型或物理试验用于优化设计。代理模型使气动优化直接脱离其本身气动分析模型，将复杂的气动优化模型转换为数学模型的优化问题，使优化问题对气动本身的依赖性大大减小。而在构造代理模型时，代理模型的精度必须满足要求才能有效替代原气动模型，BP 神经网络模型是一种常用的代理模型方法。
人工神经网络（ANNs）是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。这种网络依靠系统的复杂程度，通过调整内部大量神经元之间相互连接的关系，从而达到处理信息的目的。
4优化算法
在进行气动外形设计时，首先根据BP 神经网络得到气动外形和气动特性的映射规律模型，形成映射数据库。再将数据库和总体要求作为输入，通过遗传算法对初始的设计方案进行优化，在满足约束条件的基础上，不断迭代，最终得到最优方案。该技术实现原理基于遗传算法，以适应度函数为基础。在具体实现过程上，将目标函数，也就是容积函数，作为适应度函数，再将约束条件以惩罚函数的形式添加在适应度函数中。在对初始方案进行适应度检查时，检查方案的气动数据是否满足气动映射规律。若不满足，则加入惩罚函数，降低该方案的适应度，避免该方案成为最优方案。
5基于气动特性映射规律的导弹气动外形设计方法
基于气动特性映射规律的气动外形设计流程如图1 所示。
具体流程如下：
a） 将以往设计经验数据建立仿真数据库;
b） 采用BP 神经网络方法对数据库中的数据构造映射规律的数学模型;
c） 以总体指标要求作为优化目标和约束条件，采用遗传算法对上一步构造的数学模型进行优化，得到最优气动外形;
d） 采用CFD 方法对最优气动外形进行仿真验证，若结果满足总体指标要求则为最优方案，若不满足则对进化算法进行改进，再次进行优化直至得到满足总体指标要求的外形方案。
6结论
本文以BF 神经网络模型方法对拦截气动外形参数与气动特性之间、姿轨控喷流状态参数与喷流干扰特性之间、外形参数与喷流干扰特性之间的映射关系进行构造，并提出了一种基于气动特性映射规律的气动外形优化设计方法。该方法能有效的利用以往设计经验，将大大提高设计效率，缩短设计周期。
参考文献：
[1] 王静.动能拦截弹技术发展现状与趋势[J].现代防御技术，2008，36（4）.
[2] 史忠植.高级人工智能（第二版）[M].科学出版社，2006.