[发明专利]一种基于灰狼群智能优化的低阻低噪便携式AUV外形设计方法

权利要求书

1.一种基于灰狼群智能优化的低阻低噪便携式AUV外形设计方法，其特征在于，包括：

将AUV主体外形转化为外形剖面的线型设计；

1)建立AUV外形设计数学模型如下：

w.r.t r₀(0,3),k_s1(0,12),L_h(0.1,0.18)

s(3,5),k_s1(0,28)

s.t α_e＝20°

ψ＞0.85

0.03m＞De＞0.025m

1＞G_y＞0.8

1＞G_z＞0.8 (1)

其中，C_x为航行器阻力系数，X_min1为头部的转捩点位置，C_p1为头部最大减压系数，X_min2为尾部的转捩点位置，C_p2为尾部最大减压系数，k₁-k₅为加权系数；r₀、k_s1为头部曲线段曲线参数，s为尾部曲线段曲线参数，L_h为头部曲线段长度，α_e为尾椎半角，Ψ为AUV丰满度，D_e为尾端面直径，G_y为纵向运动稳定性裕度，G_z为横向运动稳定性裕度，采取二次罚函数法处理约束条件，罚因子大小为1×10¹⁰；头部的转捩点位置通过CFX流场求解得到；

将AUV外形设计数学模型中的头部曲线段长度、头部曲线段曲线参数和尾部曲线段曲线参数作为设计变量后，通过灰狼群算法进行循环迭代，直到达到优化条件，其中，灰狼群算法包括以下步骤：

2)初始化：定义狼群的规模，在狩猎空间内，随机分配每只狼的位置，并进行CFX仿真计算，得到此时的目标响应值，进而得到此时的Pareto解，并按照非支配关系选择领导的α、β和δ狼；

3)灰狼的狩猎行为：灰狼并不知道猎物的具体位置，为了捕捉到猎物，由α、β和δ狼的位置信息来实现对猎物的定位，此时，每只灰狼都会改变一次位置，数学模型表示为：

D_α＝|C₁·X_α(t)-X(t)|,X₁＝X_α-A₁·D_α

D_β＝|C₂·X_β(t)-X(t)|,X₂＝X_β-A₂·D_β

D_δ＝|C₃·X_δ(t)-X(t)|,X₃＝X_δ-A₃·D_δ

X(t+1)＝(X₁+X₂+X₃)/3 (2)

其中，t为时刻，X为灰狼的位置，X_i为第i只头狼的位置，C_i为第i只头狼的摇摆系数，即[0,1]之间的随机数，A_i为收敛系数；

4)灰狼的游荡行为：最差的灰狼个体要进行游荡行为的搜索，防止算法陷入局部最优解

X_worst＝LB+rand·(UB-LB) (3)

其中，LB和UB分别是空间上下边界，rand为[0,1]的随机数；

5)循环判定：进行每个位置灰狼的CFX仿真计算，更新Pareto解集，t＝t+1，检查是否达到收敛条件，如果未达到收敛条件则循环步骤2)-5)，直至优化过程结束，并跳出循环；

6)选取最优解：在Pareto解集中，根据工程实际要求，折中选择出一个最优解。