CN113051659B - 一种倾转旋翼无人机桨叶优化方法 - Google Patents

Abstract

本发明涉及一种倾转旋翼无人机桨叶优化方法，步骤:(1)建立桨叶设计模型，在规定范围内初始化灰狼种群，每个灰狼个体的坐标值都为一个设计方案；(2)计算每个灰狼个体的适应度；(3)按照适应度排序依次选出适应度最高的3个灰狼个体，记为α、β、δ；(4)根据α、β、δ得到新的灰狼个体，即新的设计方案ω；(5)更新迭代收敛因子、随机扰动和随机变量等参数；(6)如果不满足约束条件，转至步骤(2)；(7)将得到的最终全局最优设计方案中的设计参数作为桨叶优化设计方案。本发明可以综合考虑桨叶直升机模式及固定翼模式的要求，提高桨叶整体性能。

Description

一种倾转旋翼无人机桨叶优化方法

技术领域

本发明涉及桨叶优化设计方法领域，特别涉及一种应用改进灰狼优化算法的倾转旋翼无人机桨叶优化方法。

背景技术

倾转旋翼无人机是将固定翼与无人机融为一体的飞行器，它既有常规直升机的垂直起降和悬停能力，又有固定翼飞机的高速巡航飞行能力，扩大了飞行包线，应用场景广阔。目前市场上的桨叶主要是固定翼用螺旋桨、直升机用桨叶、多旋翼用桨叶等，他们都是只有一个工作模态。而倾转旋翼无人机桨叶具有两个主要工作模态，需要兼顾直升机模式和固定翼模式的气动性能，设计难度较大。

由于现有的桨叶优化设计方法，要么设计方法复杂，收敛速度慢，不易实现，要么会不同程度地陷入局部最优方案，常常这些设计方案会极大地影响无人机桨叶气动性能以及带来一定的不安全因素；因此，现有的桨叶设计对于倾转旋翼无人机桨叶这种具有多个复杂工况的优化设计问题很难找到桨叶最优设计方案，甚至得到一个很差的设计方案：浪费大量的材料、研制周期，没有达到所需的应用和安全要求；

发明内容

本发明的技术解决问题：克服现有技术的不足，提供一种针对倾转旋翼无人机需求的桨叶优化方法，该方法借鉴经典灰狼算法，充分发挥其设计方法简洁、易于实现，收敛速度快，并有一定的全局性的优势，同时对该算法进行改进，可以大概率得到全局最优桨叶设计方案。

本发明采用如下技术方案：一种倾转旋翼无人机桨叶优化方法，包括步骤如下：

(1)以桨叶外形参数为设计变量，根据旋翼特性建立约束条件；在所述设计变量的上下界围成的变量空间内随机生成N个灰狼个体构成灰狼种群，i代表灰狼个体的编号；灰狼的位置x_i＝(x_i,1,x_i,2,…,x_i,M)是一个设计变量组成的向量，M为设计变量个数；

(2)采用叶素理论对桨叶进行空气动力学分析，得到灰狼个体的适应度f(x_i)＝m·L₁(x_i)+n·L₂(x_i)，f(·)为设计目标，L₁(·)和L₂(·)分别为直升机模式的效率、固定翼模式的效率，m、n分别为对直升机模式及固定翼模式两种模式性能要求的权重；

(3)根据灰狼种群所有个体的适应度值按照适应度从大到小进行排序，选取前三位个体α、β、δ；

(4)根据前三位个体对子代灰狼进行更新，并加入到灰狼种群中，并计算子代灰狼的适应度；

(5)更新步骤(4)中的参数；当达到迭代次数或者适应度最大的子代灰狼所对应的设计变量符合设定需求时，将该设计变量作为最终的倾转旋翼无人机桨叶设计方案；否则更新灰狼种群，返回步骤(3)。

所述步骤(1)所述桨叶外形参数为弦长分布、扭转分布和翼型分布。

所述步骤(1)中，以旋翼转速、桨盘实度、旋翼半径、变距范围为约束条件。

所述根据前三位个体对子代灰狼进行更新，包括以下步骤：

X_α、X_β、X_δ分别代表α、β、δ的当前位置，C₁、C₂、C₃分别代表对α、β、δ的随机扰动，X(t)为子代灰狼ω第t次迭代后的位置，得到子代灰狼ω与α、β、δ的距离D_α、D_β、D_δ并带入下式

其中，A_i＝2a_i·r_i-a_i，r_i为随机数，a_i为收敛因子，t为迭代次数，m为最大迭代次数，X₁、X₂、X₃分别为根据α、β、δ对子代灰狼指导后更新的位置。

子代灰狼更新后的位置如下：

根据X₁、X₂、X₃得到子代灰狼ω的位置其中

更新步骤(4)中的参数包括收敛因子a_i、随机变量A_i、随机扰动。

本发明与现有技术相比的优点在于：本发明提供了桨叶优化设计的新思路，在发挥灰狼方法优势的基础上，对该算法进行改进，更容易获得全局最优设计并有效提高最优解的精度，同时在大型与复杂问题上与传统粒子群等优化方法相比，优化效率更高，提高桨叶性能。

附图说明

图1为灰狼算法原理图；

图2为本发明的方法实现流程图。

具体实施方式

下面结合附图对本发明进行详细描述。

如图2所示，本发明提出了一种基于改进灰狼算法的倾转旋翼无人机桨叶优化方法，包括以下步骤：

(1)以桨叶弦长分布、扭转分布和翼型分布为设计变量，以旋翼转速、桨盘实度、旋翼半径、变距范围为约束条件g_j(x),j＝1,2...p，j为约束编号，p代表约束的个数，在所述设计变量的上下界围成的变量空间内随机生成N个灰狼个体，i代表灰狼个体的编号；灰狼的位置x_i＝(x_i,1,x_i,2,…,x_i,M)是一个设计变量组成的向量，灰狼的位置均为潜在最优设计，即每个灰狼的位置都为一个设计方案，M为设计变量个数；其中，N取100，M取3，约束条件为：旋翼转速不低于1400RPM、桨盘实度在0.04至0.11之间、旋翼半径不超过1.3米、变距范围为-5°至20°；

(2)采用叶素理论对桨叶进行空气动力学分析，其步骤如下：

a)给定来流速度、螺旋桨直径、螺旋桨旋转速度、叶素安装角度、桨叶片数、叶素弦长；根据上述条件可以确定直升机模式和固定翼模式；

b)计算桨叶各叶素给定参数：环向速度、几何迎角、实度、来流马赫数、来流雷诺数；

c)获得桨叶各叶素在一定马赫数、雷诺数和迎角范围内的气动特性；

d)采用迭代法计算出各个叶素的干涉角；

e)计算实际气流角度、轴向诱导速度、环向诱导速度、拉力系数、功率系数等；

f)利用桨叶各个叶素的计算结果计算螺旋桨总气动力及效率；

求出灰狼个体的适应度f(x_i)＝m·L₁(x_i)+n·L₂(x_i)，取m＝0.6，n＝0.4，f(·)为设计目标，L₁(·)和L₂(·)分别为直升机模式和固定翼模式的效率，m、n分别为工程实际对直升机模式及固定翼模式两种模式性能要求的权重；

3)按照步骤(2)的方法计算整个灰狼种群所有个体的适应度，并按照适应度从大到小进行排序，选取前三位分别为α、β、δ。

(4)如图1所示，按照如下方式进行子代灰狼ω更新：

X_α、X_β、X_δ分别代表α、β、δ的当前位置，C₁、C₂、C₃分别代表对α、β、δ的随机扰动，X(t)为子代灰狼ω第t次迭代后的位置，得到子代灰狼ω与α、β、δ的距离D_α、D_β、D_δ；

其中，A_i＝2a_i·r_i-a_i，r_i为随机数，a_i为收敛因子，t为迭代次数，m为最大迭代次数，随着迭代次数的增加，a_i由2减少到0，可以得到α、β、δ对子代灰狼指导后更新的位置X₁、X₂、X₃；i＝1、2、3。

最后，根据X₁、X₂、X₃计算子代灰狼ω的位置其中

将子代灰狼ω加入灰狼种群中，并计算其适应度；

(5)更新步骤(4)中的参数收敛因子a_i、随机变量A_i、随机扰动C；

(6)如果全局最优设计方案迭代次数满足要求或者优化结果f(x_i)满足实际工程需求时，终止计算，进行步骤(7)，否则更新灰狼种群，返回步骤(3)；

(7)将得到的全局最优设计方案中的变量参数作为最终的倾转旋翼无人机桨叶设计方案。

综上所述，本发明提出了一种倾转旋翼无人机桨叶优化的新方法，通过对收敛因子改进，进而改进灰狼算法，将收敛因子进行非线性变化，这样使收敛因子的变化更符合实际的收敛过程，这种非线性的收敛因子能够稳定的控制算法从全局搜索到局部搜索的过度。为了避免算法收敛速度慢，收敛结果精度低的缺点，同时为了增加算法对环境的适应能力，对灰狼算法引入了动态权重策略。改进后算法大大提高了搜索精度和收敛速度。

以上仅是本发明的具体步骤，对本发明的保护范围不构成任何限制；其可扩展应用于桨叶优化设计领域，凡采用等同变换或者等效替换而形成的技术方案，均落在本发明权利保护范围之内。

Claims (4)

1.一种倾转旋翼无人机桨叶优化方法，其特征在于，包括步骤如下：

(1)以桨叶外形参数为设计变量，根据旋翼特性建立约束条件；在所述设计变量的上下界围成的变量空间内随机生成N个灰狼个体构成灰狼种群，i代表灰狼个体的编号；灰狼的位置x_i＝(x_i,1,x_i,2,…,x_i,M)是一个设计变量组成的向量，M为设计变量个数；

(2)采用叶素理论对桨叶进行空气动力学分析，得到灰狼个体的适应度f(x_i)＝m·L₁(x_i)+n·L₂(x_i)，f(·)为设计目标，L₁(·)和L₂(·)分别为直升机模式的效率、固定翼模式的效率，m、n分别为对直升机模式及固定翼模式两种模式性能要求的权重；

(3)根据灰狼种群所有个体的适应度值按照适应度大小进行排序，选取前三位个体α、β、δ；

(4)根据前三位个体对子代灰狼进行更新，并加入到灰狼种群中，并计算子代灰狼的适应度；

所述根据前三位个体对子代灰狼进行更新，包括以下步骤：

X_α、X_β、X_δ分别代表α、β、δ的当前位置，C₁、C₂、C₃分别代表对α、β、δ的随机扰动，X(t)为子代灰狼ω第t次迭代后的位置，得到子代灰狼ω与α、β、δ的距离D_α、D_β、D_δ并带入下式

其中，A_i＝2a_i·r_i-a_i，r_i为随机数，a_i为收敛因子，t为迭代次数，m为最大迭代次数，X₁、X₂、X₃分别为根据α、β、δ对子代灰狼指导后更新的位置；

子代灰狼更新后的位置如下：

根据X₁、X₂、X₃得到子代灰狼ω的位置其中

(5)更新步骤(4)中的参数；当达到迭代次数或者适应度最大的子代灰狼所对应的设计变量符合设定需求时，将该设计变量作为最终的倾转旋翼无人机桨叶设计方案；否则更新灰狼种群，返回步骤(3)。

2.根据权利要求1所述的一种倾转旋翼无人机桨叶优化方法，其特征在于：所述步骤(1)所述桨叶外形参数为弦长分布、扭转分布和翼型分布。

3.根据权利要求1所述的一种倾转旋翼无人机桨叶优化方法，其特征在于：所述步骤(1)中，以旋翼转速、桨盘实度、旋翼半径、变距范围为约束条件。

4.根据权利要求1所述的一种倾转旋翼无人机桨叶优化方法，其特征在于：所述更新步骤(4)中的参数包括收敛因子a_i、随机变量A_i、随机扰动C。