CN111191358B - 一种吸气式超声速导弹轨迹优化设计方法 - Google Patents

一种吸气式超声速导弹轨迹优化设计方法 Download PDF

Info

Publication number
CN111191358B
CN111191358B CN201911346759.4A CN201911346759A CN111191358B CN 111191358 B CN111191358 B CN 111191358B CN 201911346759 A CN201911346759 A CN 201911346759A CN 111191358 B CN111191358 B CN 111191358B
Authority
CN
China
Prior art keywords
flight
grid
missile
air
self
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911346759.4A
Other languages
English (en)
Other versions
CN111191358A (zh
Inventor
明超
王晓鸣
于纪言
贾方秀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201911346759.4A priority Critical patent/CN111191358B/zh
Publication of CN111191358A publication Critical patent/CN111191358A/zh
Application granted granted Critical
Publication of CN111191358B publication Critical patent/CN111191358B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Feedback Control In General (AREA)

Abstract

本发明公开了一种吸气式超声速导弹轨迹优化设计方法,包括以下步骤:(S1)建立吸气式超声速导弹的动力学模型;(S2)选取飞行攻角和燃料质量流量作为双优化变量,以飞行的油耗最小作为性能指标函数,考虑飞行过程约束和飞行轨迹的终端约束,构建最优控制问题;(S3)在hp自适应伪谱法的基础上,建立具有可缩小网格规模的改进hp自适应伪谱法,利用改进hp自适应伪谱法对步骤S2中的最优控制问题进行求解,得到吸气式超声速导弹爬升段飞行的最优轨迹。本发明采用改进hp自适应伪谱法求解升段的燃耗最优问题,能够合理调整网格规模,可大幅减少优化时间。同时本发明能够有效的减少飞行器爬升段的油耗,利于提高巡航飞行能力。

Description

一种吸气式超声速导弹轨迹优化设计方法
技术领域
本发明属于航空航天领域,具体涉及一种吸气式超声速导弹轨迹优化设计方法。
背景技术
吸气式超声速导弹是指以吸气式发动机为动力,在大气层内进行超声速远程飞行的导弹。由于其采用比冲高和推阻比大的冲压发动机,在飞行时直接从大气中吸取氧气,不需要自身携带氧化剂,相比于传统的导弹,吸气式超声速导弹具有结构更轻、航程更远、机动更灵活等优势,成为是未来导弹发展的一个重要方向。
吸气式超声速导弹涉及的关键技术有结构设计、动力学建模、轨迹优化及飞行控制等。其中爬升段轨迹优化设计能够实现飞行的燃料消耗最小化,充分发挥其高空高速巡航的性能优势,进而增强其远程打击能力。由于吸气式超声速导弹飞行包络大,动力学特性复杂,且导弹的飞行状态与推进系统之间存在强烈的耦合。因此,对爬升段轨迹进行精确、稳定和快速的优化设计是能够实现精确打击的重要前提。
轨迹优化是根据设计指标建立飞行力学方程,并选择主要设计变量,构造性能函数,求解最优变量而形成最优飞行轨迹。轨迹优化数值方法,一般分为直接法和间接法。相对与间接法而言,直接法在收敛的鲁棒性和解决实际问题的适应性上具有优势。在飞行器轨迹优化中常用的一种直接法称为hp自适应伪谱法,在计算过程对配点数和阶次进行自适应调整,以满足计算精度的要求。如明超等在宇航学报37卷第09期发表的吸气式超声速导弹爬升段多约束轨迹优化,公开了一种采用hp自适应伪谱法对吸气式超声速导弹爬升段轨迹进行优化设计方法,但当数学模型比较复杂时,hp自适应伪谱法需要增加配点数或网格数来满足高精度和最优性的要求,这也增加了转换之后的约束条件和非线性规划问题的求解规模,计算量增大,导致收敛速度较慢。
发明内容
本发明的目的在于提出了一种吸气式超声速导弹轨迹优化设计方法,建立了一种可缩减网格规模的改进hp自适应伪谱法,用于解决现有hp自适应伪谱法存在的收敛速度慢的技术问题,从而实现爬升段轨迹的快速优化设计。
实现本发明目的的技术解决方案为:一种吸气式超声速导弹轨迹优化设计方法,包括如下步骤:
步骤S1、建立吸气式超声速导弹爬升段的飞行动力学模型;
步骤S2、根据吸气式超声速导弹爬升段的飞行动力学模型,选取飞行攻角和燃料质量流量作为双优化变量,以飞行的油耗最小作为性能指标函数,考虑飞行过程约束和飞行轨迹的终端约束,构建最优控制问题;
步骤S3、在hp自适应伪谱法的基础上,建立具有可缩小网格规模的改进hp自适应伪谱法,利用改进hp自适应伪谱法对步骤S2中的最优控制问题进行求解,得到吸气式超声速导弹爬升段飞行的最优轨迹。
本发明与现有技术相比,其显著优点在于:在求解吸气式超声速导弹爬升段轨迹的最优控制问题时,采用构建的改进hp自适应伪谱法,该方法可根据计算精度的要求,当某一离散区间的计算精度不满足要求时,可对网格进行自适应生成和修正,提高解算精度;当网格内的最大误差满足设定精度时,可缩小网格规模,提高计算效率,与现有技术相比,有效提高了收敛速度。
附图说明
图1是本发明方法的实现流程图。
图2是本发明中改进hp自适应伪谱法的流程图。
图3是hp自适应伪谱法同本发明方法优化对比结果—弹道曲线图。
图4是hp自适应伪谱法同本发明方法优化对比结果—速度(马赫数)曲线图。
图5是hp自适应伪谱法同本发明方法优化对比结果—弹道倾角曲线图。
图6是hp自适应伪谱法同本发明方法优化对比结果—质量曲线图。
图7是hp自适应伪谱法同本发明方法优化对比结果—攻角曲线图。
图8是hp自适应伪谱法同本发明方法优化对比结果—燃料质量流量曲线图。
图9是hp自适应伪谱法同本发明方法优化对比结果—余气系数/静压裕度曲线图。
图10是hp自适应伪谱法同本发明方法优化对比结果—法向过载和动压曲线图。
具体实施方式
下面结合具体实施例和附图对本发明作进一步详细说明。
结合图1,本发明一种吸气式超声速导弹轨迹优化设计方法,步骤如下:
步骤1,建立吸气式超声速导弹的飞行动力学模型:
在导弹初步优化设计阶段,不考虑地球自转的影响,以弹道系为参考系,建立吸气式超声速导弹纵向平面内的飞行动力学模型,具体表达式如下:
Figure BDA0002333583220000031
式中,V为导弹的飞行速度,θ为弹道倾角,x和y分别为射程和飞行高度,m为导弹质量,P为发动机推力,X和Y分别为阻力和升力,g为重力加速度,飞行攻角α和发动机燃料质量流量mc
步骤2,根据吸气式超声速导弹爬升段的飞行动力学模型,选取飞行攻角和燃料质量流量作为双优化变量,以飞行的油耗最小作为性能指标函数,考虑飞行过程约束和飞行轨迹的终端约束,构建最优控制问题,具体如下:
2.1建立状态微分方程约束
将步骤1中建立的吸气式超声速导弹的飞行动力学方程转化为状态微分约束,选取变量V,θ,x,y和m作为状态变量,最优控制问题的状态微分方程约束的表达式为式(1)所示。
2.2建立边界约束
吸气式超声速导弹爬升段的初始状态t0时为:
V(0)=V0,θ(0)=θ0,x(0)=x0,y(0)=y0,m(0)=m0 (2)
其中V0、θ0、x0、y0、m0分别为导弹飞行速度、弹道倾角、射程、飞行高度和质量的初始值。
为保证吸气式超声速导弹正常巡航飞行,爬升段末端弹道参数应满足一定的约束条件,包括末端飞行高度、飞行速度和弹道倾角约束,即:
V(tf)≥Vf min,θ(tf)=θf,y(tf)=yf (3)
其中V(tf)、θ(tf)、y(tf)分别为导弹爬升段轨迹的终端速度、终端弹道倾角、终端高度约束。
2.3建立过程约束
考虑吸气式超声速导弹的防热要求,确保气动控制机构不受破坏,动压q必须限定在一定范围内:
q≤qmax (4)
式中,q为动压,qmax为动压的极限值。
为保证导弹结构设计要求,法向过载ny应满足一定的约束条件:
|ny|≤ny max (5)
式中,ny为法向过载,ny max为法向过载的极值。
为充分发挥吸气式冲压发动机的性能,其静压裕度Sm和余气系数αf的设计约束条件为:
Figure BDA0002333583220000041
式中,Sm为静压裕度,
Figure BDA0002333583220000042
分别表示静压裕度的最小值与最大值;αf为余气系数,αf min、αf max分别为余气系数的最小值与最大值。
2.4建立控制约束
考虑到冲压发动机特性以及进气道攻角限制,吸气式超声速导弹的冲压发动机燃料质量流量mc和飞行攻角α的约束条件为:
mc min≤mc≤mc max,αmin≤α≤αmax (7)
式中,mc min、mc max分别为燃料质量流量的最小值与最大值;αmin、αmax分别为飞行攻角的最小值与最大值。
2.5性能指标
对于吸气式超声速导弹爬升段,一个重要的目标就是期望导弹的飞行消耗的燃油最少,更有利于其巡航段飞行。即寻找最优的控制变量飞行攻角α和发动机燃料质量流量mc,使得最优控制问题的性能指标函数J最大:
Figure BDA0002333583220000051
式中,t0为优化初始时间,tf为优化结束时间,m(tf)为爬升段结束时刻的质量,m(t0)为导弹初始质量。
步骤3、在hp自适应伪谱法的基础上,建立具有可缩小网格规模的改进hp自适应伪谱法,利用改进hp自适应伪谱法对步骤S2中的最优控制问题进行求解,得到吸气式超声速导弹爬升段飞行的最优轨迹,具体如下:
在hp自适应伪谱法的基础上,当网格内的最大误差满足设定精度时,以一定的准则自适应降低网格内插值多项式的阶次(配点数)或网格数来缩小网格规模,从而降低转换后非线性规划问题(NLP)问题的求解规模,提高计算效率。参照图2,改进hp自适应伪谱法包括以下步骤:
步骤3.1、初始化网格,并且设定精确误差阈值εd,转入步骤3.2;
步骤3.2、利用hp自适应伪谱法将最优控制问题离散,转化为NLP问题,转入步骤3.3;
步骤3.3、采用序列二次规划法对NLP问题进行求解,转入步骤3.4;
步骤3.4、在第k个网格区间内的第s个配点处状态变量一阶微分的残差为
Figure BDA0002333583220000052
过程约束的残差为
Figure BDA0002333583220000053
选取上述两个残差中的最大值作为该网格区间的最大误差
Figure BDA0002333583220000054
为:
Figure BDA0002333583220000055
式中,i=1,2,…,m;m为状态变量的个数,j=1,2,…,n;n为控制变量的个数,s=1,2,…,Nk;Nk为网格区间内的配点数。
检查每个网格k=1,2,…,K的网格区间的最大误差
Figure BDA0002333583220000056
是否满足允许的相对误差εd,若全局误差满足精度要求,则优化结束,得到吸气式超声速导弹爬升段飞行的最优轨迹;若全局误差不满足精度要求,则计算网格k∈[1,2,…,K]的最大误差
Figure BDA0002333583220000057
Figure BDA0002333583220000061
转入步骤3.5;
Figure BDA0002333583220000062
转入步骤3.6;
步骤3.5、增加
Figure BDA0002333583220000063
网格k的网格规模:
计算该网格内的第i个状态变量近似值
Figure BDA0002333583220000064
的曲率κ(k)(τ)为:
Figure BDA0002333583220000065
Figure BDA0002333583220000066
Figure BDA0002333583220000067
分别为k网格内κ(k)(τ)的最大值和平均值,引入一个中间量曲率rk,计算公式如下:
Figure BDA0002333583220000068
判定网格曲率rk与rk max>0(自定义的曲率阈值)的大小:
若rk<rkmax,则增加网格内插值多项式的阶次:
第k个网格内更新后的配点数
Figure BDA0002333583220000069
为:
Figure BDA00023335832200000610
式中,
Figure BDA00023335832200000611
为第k个网格内更新前的配点数,ceil()是向正方向舍入函数,A>0为自定义的可调因子,控制网格区间内配点数的增长速度。
如果rk≥rkmax,则增加网格的数目:
第k个网格内更新后的子区间个数
Figure BDA00023335832200000612
为:
Figure BDA00023335832200000613
式中,B为大于零的整数,是一个可调参数,控制网格子区间数的增长速度,转入步骤3.7。
步骤3.6、对于每一个网格,如果
Figure BDA00023335832200000614
以一定的准则自适应降低网格内插值多项式的阶次或网格数来缩小网格规模:
方式1.减少配点数目
对于每一个网格,如果
Figure BDA00023335832200000615
则根据如下准则判断是否减小网格配点数:
考虑任意一个网格区间Sk=[Tk-1,Tk],且假定该网格区间已满足设定精度ε要求。进一步判断在第Sk区间内是否能够减少状态量的近似多项式的阶次,并且保证与当前多项式的阶次能够获得相同的精度。第Sk个网格区间多项式的阶次能否降低取决于该网格区间内状态量的近似多项式的幂级数展开形式。令第Sk个网格区间的中点μk=(Tk-1+Tk)/2,第Sk个网格区间的一半长度hk=(Tk-Tk-1)/2,则第i个状态量近似值
Figure BDA0002333583220000071
的拉格朗日多项式为:
Figure BDA0002333583220000072
其中,
Figure BDA0002333583220000073
是区间[-1,1]内的LG点,且
Figure BDA0002333583220000074
多项式Lj(s)可以写成如下形式:
Figure BDA0002333583220000075
其中,系数alj仅取决LG点,l表示区间[-1,1]内的LG点序号。则第Sk个网格区间内第i个状态量近似值
Figure BDA0002333583220000076
的拉格朗日多项式又可表示为:
Figure BDA0002333583220000077
其中,bil为系数;
由网格区间中点μk和网格区间一半长度hk的定义可知,对于任意的τ∈Sk,满足:
|τ-μk|/hk≤1 (17)
因此,当去掉公式(16)的最高次
Figure BDA0002333583220000078
项时,第Sk个网格区间内所有点的最大的绝对误差为
Figure BDA0002333583220000079
为了获得Sk个网格区间内和自定义精确误差相比较的误差值,有必要对系数bil进行标准化。对每个状态i∈[1,…,ny]的系数bil进行标准化的方式如下:引入系数βi为:
Figure BDA0002333583220000081
则相对误差为:bil/β。
对于每一个i,令i从最高次Nk递减,依次去掉公式(16)的最高幂次项,直到bili>εd,此时得到减少以后新的配点数
Figure BDA0002333583220000082
对于所有的i∈[1,…,ny]重复上述的过程减少多项式阶次,分别得到减少后的多项式阶次
Figure BDA0002333583220000083
Figure BDA0002333583220000084
作为第Sk个网格区间的配点数。但是,由于要求至少有一个配点,多项式至少为线性函数,因此多项式最高项次数不能小于1。
方式2.合并相邻区间
对于每两个相邻网格k和k+1,若
Figure BDA0002333583220000085
则根据如下准则进行判断是否合并相邻网格:
在合并网格之前,网格上的最高次Nk先由上述减少配点数的方式确定。另外,两个相邻的网格区间可以被合并的前提是它们的多项式大致相同。首先,要求相邻网格区间i和Sk+1=[Tk,Tk+1]的多项式次数相同,即Nk=Nk+1;其次,对于Sk和Sk+1两个相邻的网格区间,如果较长区间的多项式能被应用至较短的区间内的各个点,并与采用较短的区间拉格朗日多项式在对应点的值相比,若两者的误差e小于状态的精确误差阈值εd,即可合并相邻网格Sk和Sk+1
典型的,在两个相邻区间的连接点Tk处,Sk和Sk+1区间的多项式值相等,且误差最大值出现在端点,Tk-1或者Tk+1(较小区间的端点)。此时,如果最大误差大于εd,不应该合并区间;相反地,还需继续判断内整个区间上的误差值与εd的关系。为了便于计算,有必要确定较短区间上各个点误差值的上界。
由公式(16)可知,相邻区间Sk和Sk+1的μk和hk不同,因此,使用公式(16)很难计算误差e,而使用两个区间的连接点Tk来表示拉格朗日多项式能更方便计算误差值e,故将拉格朗日基函数写成在+1和-1点上的幂级数的形式:
Figure BDA0002333583220000091
Figure BDA0002333583220000092
另外,在Sk区间上,将公式(19)代入式(14),在Sk+1区间上,将公式(20)代入公式(14),则第i个状态变量在Sk区间和Sk+1区间上的状态近似值分别为:
Figure BDA0002333583220000093
Figure BDA0002333583220000094
其中,
Figure BDA0002333583220000095
Figure BDA0002333583220000096
均表示系数。
为了将公式(20)和公式(22)进行合并,需要将两个方程中的hk和hk+1统一,故取
Figure BDA0002333583220000097
则第i个状态变量在Sk区间和Sk+1区间上的状态近似值可分别写成:
Figure BDA0002333583220000098
Figure BDA0002333583220000099
此时由于幂数项都相等,故两个多项式的差(较短区间上的误差e)可以写为:
Figure BDA00023335832200000910
因为对于小区间上的任意τ值有
Figure BDA00023335832200000911
故由三角不等式可得:
Figure BDA00023335832200000912
其中
Figure BDA00023335832200000913
为相邻区间Sk和Sk+1中较短的区间。
公式(26)给出了整个小区间上误差的上界,为了获得和用户自定义误差比较的误差值,有必要引入βi来标准化
Figure BDA0002333583220000101
Figure BDA0002333583220000102
其中,βi已在公式(18)给出定义,则相对误差为:
Figure BDA0002333583220000103
对于任意的第i个状态变量,i=1,…,ny,若满足:
Figure BDA0002333583220000104
则两个相邻的网格区间Sk和Sk+1就可以合并成一个区间;如果存在任意一个i使得公式(28)不成立,两个相邻的网格区间就不能合并成一个区间,转入步骤3.7。
步骤3.7、待所有网格参数更新后,返回步骤3.3,进行下一次迭代。
实施例1
以下结合仿真实施例对本发明方法的技术效果进行验证:
爬升段轨迹优化的状态变量的初始条件设定为:Ma0=2.6,θ0=0°,y0=15km,x0=0km,m0=500kg;飞行轨迹终端约束条件为:Maf≥3.0,θf=0°,yf=20km,mf≥420kg;控制变量的约束条件为:0.2kg/s≤mc≤1.2kg,-2°≤α≤12°;过程约束条件分别为:|ny|≤10,q≤100kPa。其中,Ma0和Maf分别为起始马赫数和终端马赫数。
本发明方法与现有hp自适应伪谱法对吸气式超声速导弹爬升段轨迹优化仿真是在台式计算机上进行,CPU为2.50GHz/Intel Core i5,内存为2.0GB,编程环境为MATLABR2011a。两种算法的优化对比结果,其中tc,Cpt,IT和J分别表示优化计算时间、优化结束时的配点个数、迭代次数和性能指标值如表1所示。两种算法的对比仿真结果如图3~图10所示。
表1不同方法的优化对比结果
Figure BDA0002333583220000111
从表1可以看出:在目标函数方面,两种方法的油耗几乎没有差别,相比于hp自适应伪谱法,其目标函数J较小,即油耗多消耗0.43kg,但其优化所需的配点总数Cpt和迭代次数IT均远小于hp自适应伪谱法,且配点数的降低有助于减小离散后NLP的规模,优化计算所需的时间由hp自适应伪谱法的8.4856s缩短为0.5274s,显著提高了优化的求解效率。由图3-图10所示的仿真结果可以看出,两种算法的优化结果差别不大,均满足设计约束,但相比于hp自适应伪谱法,本发明方法在优化时间上具有明显优势,更适合在线求解多约束条件下轨迹优化问题,具备实时应用的潜力,可为吸气式超声速导弹的在线实时制导提供技术基础。

Claims (5)

1.一种吸气式超声速导弹轨迹优化设计方法,其特征在于,包括如下步骤:
步骤S1、建立吸气式超声速导弹爬升段的飞行动力学模型;
步骤S2、根据吸气式超声速导弹爬升段的飞行动力学模型,选取飞行攻角和燃料质量流量作为双优化变量,以飞行的油耗最小作为性能指标函数,考虑飞行过程约束和飞行轨迹的终端约束,构建最优控制问题;
步骤S3、在hp自适应伪谱法的基础上,建立具有可缩小网格规模的改进hp自适应伪谱法,利用改进hp自适应伪谱法对步骤S2中的最优控制问题进行求解,得到吸气式超声速导弹爬升段飞行的最优轨迹;
所述步骤S3中具有可缩小网格规模的改进hp自适应伪谱法,具体如下:
在hp自适应伪谱法的基础上,当网格内的最大误差满足设定精度时,以一定的准则自适应降低网格内插值多项式的阶次或网格数来缩小网格规模,从而降低转换后NLP问题的求解规模,提高计算效率;对于最优控制问题的离散化及网格更新算法中的逼近误差评估准则与hp自适应伪谱法的处理方式一致,改进hp自适应伪谱法的减小网格规模的自适应算法如下:
方式1.减少配点数目
考虑任意一个网格区间Sk=[Tk-1,Tk],且假定该网格区间已满足设定精度ε要求,进一步判断在第Sk区间内是否能够减少状态量的近似多项式的阶次,并且保证与当前多项式的阶次能够获得相同的精度;
方式2.合并相邻区间
首先,要求相邻网格区间Sk=[Tk-1,Tk]中的多项式次数Nk和区间Sk+1=[Tk,Tk+1]中的多项式次数Nk+1相同,即Nk=Nk+1;其次,对于Sk和Sk+1两个相邻的网格区间,如果较长区间的多项式能被应用至较短的区间内的各个点,并与采用较短的区间拉格朗日多项式在对应点的值相比,若两者的误差e小于状态的精确误差阈值εd,即合并相邻网格Sk和Sk+1,即两个网格区间能合并的条件有3个:1)两个网格区间必须相邻;2)两个网格区间的相对误差均不大于εd;3)两个网格合并后的大网格相对误差也不大于εd
2.根据权利要求1所述的一种吸气式超声速导弹轨迹优化设计方法,其特征在于,所述步骤S1中吸气式超声速导弹的飞行动力学模型为:
Figure FDA0003607984650000021
式中,V为导弹的飞行速度,θ为弹道倾角,x为射程,y为飞行高度,m为导弹质量,P为发动机推力,X为阻力,Y为升力,g为重力加速度,α为飞行攻角,mc为发动机燃料质量流量,t为导弹飞行时间。
3.根据权利要求1所述的一种吸气式超声速导弹轨迹优化设计方法,其特征在于,所述步骤S2中构建的最优控制问题,具体如下:
寻找最优的控制变量,即飞行攻角α和发动机燃料质量流量mc,使得性能指标J最大
Figure FDA0003607984650000022
式中,t0为优化初始时间,tf为优化结束时间,m(tf)为爬升段结束时刻的质量,m(t0)为导弹初始质量;
为了满足微分状态方程约束,状态变量取公式(1)中的导弹的飞行速度V、弹道倾角θ、射程x、飞行高度y以及导弹质量m;
同时为了满足边界条件约束,
其中,初始状态t0时为:
v(0)=v0,θ(0)=θ0,x(0)=x0,y(0)=y0,m(0)=m0
飞行终端tf时刻参数约束条件为:
V(tf)≥Vfmin,θ(tf)=θf,y(tf)=yf
以及过程约束条件:
动压约束:
q≤qmax
式中,q为动压,qmax为动压的极限值;
法向过载约束:
|ny|≤nymax
式中,ny为法向过载,nymax为法向过载的极值;
静压裕度
Figure FDA0003607984650000031
式中,Sm为静压裕度,
Figure FDA0003607984650000032
分别表示静压裕度的最小值与最大值;
余气系数
Figure FDA0003607984650000033
式中,αf为余气系数,
Figure FDA0003607984650000034
分别为余气系数的最小值与最大值;
以及控制量约束条件
mc min≤mc≤mc max,αmin≤α≤αmax
式中,mc min、mc max分别为燃料质量流量的最小值与最大值;αmin、αmax分别为飞行攻角的最小值与最大值。
4.根据权利要求3所述的一种吸气式超声速导弹轨迹优化设计方法,其特征在于:为充分发挥吸气式冲压发动机的性能,在过程约束中对静压裕度和余气系数进行约束,且
Figure FDA0003607984650000035
5.根据权利要求1所述的一种吸气式超声速导弹轨迹优化设计方法,其特征在于,所述步骤S3中最优控制问题进行求解的过程如下:
通过变量替换将时间区域转化为[-1,+1],选取K个LG点和点τ=-1为节点,采用全局插值多项式近似状态变量和控制变量,通过对插值多项式进行求导得到微分矩阵,利用微分矩阵将微分方程转换为代数约束,从而将最优控制问题转化为NLP问题,通过提出的改进hp自适应伪谱法进行求解。
CN201911346759.4A 2019-12-24 2019-12-24 一种吸气式超声速导弹轨迹优化设计方法 Active CN111191358B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911346759.4A CN111191358B (zh) 2019-12-24 2019-12-24 一种吸气式超声速导弹轨迹优化设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911346759.4A CN111191358B (zh) 2019-12-24 2019-12-24 一种吸气式超声速导弹轨迹优化设计方法

Publications (2)

Publication Number Publication Date
CN111191358A CN111191358A (zh) 2020-05-22
CN111191358B true CN111191358B (zh) 2022-06-24

Family

ID=70707494

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911346759.4A Active CN111191358B (zh) 2019-12-24 2019-12-24 一种吸气式超声速导弹轨迹优化设计方法

Country Status (1)

Country Link
CN (1) CN111191358B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108562292A (zh) * 2017-11-24 2018-09-21 西安电子科技大学 基于hp自适应伪谱法的太阳帆星际转移轨迹优化方法
CN109506517A (zh) * 2018-11-21 2019-03-22 中国人民解放军空军工程大学 一种带约束的中制导弹道优化方法
CN109858106A (zh) * 2019-01-11 2019-06-07 南京航空航天大学 基于高斯伪谱法的飞行器小翼伸缩量优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3029652B1 (fr) * 2014-12-03 2019-12-27 Thales Procede de calcul de trajectoire d'avion soumise a des contraintes laterales et verticales

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108562292A (zh) * 2017-11-24 2018-09-21 西安电子科技大学 基于hp自适应伪谱法的太阳帆星际转移轨迹优化方法
CN109506517A (zh) * 2018-11-21 2019-03-22 中国人民解放军空军工程大学 一种带约束的中制导弹道优化方法
CN109858106A (zh) * 2019-01-11 2019-06-07 南京航空航天大学 基于高斯伪谱法的飞行器小翼伸缩量优化方法

Also Published As

Publication number Publication date
CN111191358A (zh) 2020-05-22

Similar Documents

Publication Publication Date Title
CN108803336B (zh) 一种航空发动机自适应lqg/ltr控制器设计方法
CN110502840B (zh) 航空发动机气路参数在线预测方法
CN108828947B (zh) 一种航空发动机含时滞的不确定性模糊动态模型建模方法
CN106444807A (zh) 一种栅格舵与侧喷流的复合姿态控制方法
Chiba et al. Multidisciplinary design optimization and data mining for transonic regional-jet wing
CN105956281A (zh) 固体火箭发动机装药设计方法
CN111079228A (zh) 一种基于流场预测的气动外形优化方法
CN105631125A (zh) 基于降阶模型的气动-热-结构耦合分析方法
Şumnu et al. Aerodynamic shape optimization of a missile using a multiobjective genetic algorithm
Sasaki et al. Aerodynamic shape optimization of supersonic wings by adaptive range multiobjective genetic algorithms
Chiba et al. High-fidelity multidisciplinary design optimization of aerostructural wing shape for regional jet
CN113267314A (zh) 一种暂冲式风洞的超声速流场总压控制系统
Leifsson et al. Variable-fidelity aerodynamic shape optimization
CN115906286A (zh) 内外弹道耦合的火箭设计方法及装置、电子设备、存储介质
Xu et al. An efficient multi-fidelity simulation method for adaptive cycle engine ejector nozzle performance evaluation
CN109033487B (zh) 一种基于蒙特卡洛仿真的飞行器总体概率设计方法
CN113221237B (zh) 一种基于降阶建模的大迎角颤振分析方法
CN111191358B (zh) 一种吸气式超声速导弹轨迹优化设计方法
Oyama et al. High-fidelity swept and leaned rotor blade design optimization using evolutionary algorithm
CN117494611A (zh) 一种基于有粘当地流活塞理论的超声速颤振分析方法
Koziel et al. Adaptive response correction for surrogate-based airfoil shape optimization
CN115358167B (zh) 一种考虑发动机参数的飞发一体气动伴随优化设计方法
Reel et al. Using computational fluid dynamics to generate complex aerodynamic database for VTOL aircraft
CN110985216A (zh) 一种含在线修正的航空发动机智能多变量控制方法
CN116628854A (zh) 一种翼型气动特性预测方法、系统、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant