[发明专利]具有不确定源的多处薄涂敷飞行器RCS预测方法

说明书

本发明公开了一种具有不确定源的多处薄涂敷飞行器RCS预测方法，包括以下步骤：建立MTDS电场积分方程；建立具有外形不确定性多处薄涂敷飞行器的几何模型；提取多处薄涂敷飞行器外形不确定参数；分析具有外形不确定性多处薄涂敷飞行器的电磁散射特性。本发明将多处薄涂敷飞行器几何外形的不确定性通过带有随机变量的基函数引入到MTDS积分方程方法的矩阵方程中，进而具有不确定外形的多处薄涂敷飞行器的RCS可以通过扰动法有效地定量预测,该方法能较好地模拟具有多处多介质片薄涂敷的金属物体。

技术领域

本发明属于目标电磁散射特性数值计算技术领域，具体涉及一种具有不确定源的多处薄涂敷飞行器RCS预测方法。

背景技术

在如今这个军事技术变革迅猛的时代“以己之长攻子之短”的不对称战略思想势必会成为主流。零接触的不对称战必争将成为未来战争的重要特点。然而只有技术装备的绝对优势才能实现零接触，因此在隐身作战领域对于隐身技术的研究显得尤其重要。在隐身目标的强反射点或者对整个隐身目标涂敷吸波材料已经成为可实现的重要的隐身技术，由于该技术的操作方便、工艺简单、涂敷参数便于调节，已被广泛应用于军事领域中。

但是在现实生活和实际工程应用中，由于制造工艺和人为因素的影响，电磁场系统的不确定性是普遍存在的。这种不确定性包括实际目标几何结构的不确定性，材料属性的不确定性，加载集总元件性能的不确定性，入射波极化方式的不确定性等等。为了能够量化评估这些不确定性的影响，近几十年来，许多学者致力于研究随机问题的有效分析方法，提出了许多分析随机问题的方法。在众多的随机问题分析方法中，蒙特卡洛方法(MonteCarlo,MC)是解决不确定问题最经典和成熟的方法。蒙特卡洛方法又称为统计模拟法、随机抽样技术，是一种随机模拟方法，以概率和统计理论方法为基础，使用随机数(伪随机数)来解决实际问题。其将所求解的问题同一定的概率模型相联系，用计算机实现统计模拟或抽样，以获得问题的统计解。此方法的主要原理是在一系列的采样点上重复地调用确定性问题求解器得到不同采样点上的结果并进行统计分析，这种方法具有操作简单和非侵入性(Nonintrusive)的特点，几乎能适用于所有不确定问题，但蒙特卡洛方法受低收敛性的影响需要通过多次反复地试验或仿真获取足够多的样本数据，因此其分析问题的能力会受到计算资源的限制。虽然有许多改进的蒙特卡洛方法被提出以提高其收敛性，如准蒙特卡洛方法(quasi-MC method)，采用不同的采样方法以加快蒙特卡洛方法的收敛性，如分层采样(Stratified Sampling)、拉丁超立方体采样(Latin Hypercube Sampling)、重要性采样(Importance Sampling)、低差异序列(Low-discrepancy Sequences)等，以及马可洛夫链蒙特卡洛方法(Markov Chain MC method)，利用马可洛夫链来产生一定分布下的样本。然而这些方法仅对于低维度的问题具有效果，相比于二维目标，对于三维目标外形的描述更为复杂，尤其是接近于实际情况的目标大多具有不规则形状，其几何外形的信息无法简单地描述，而如果根据目标的剖分网格去描述，所需要的信息太多，会严重影响计算效率与精度，并且操作起来很复杂，因此使用目前的研究方法难以方便有效地描述三维实际目标外形的变化并进行不确定性分析。

发明内容

本发明的目的在于提供一种具有不确定源的多处薄涂敷飞行器RCS预测方法。

实现本发明目的的技术解决方案为：一种具有不确定源的多处薄涂敷飞行器RCS预测方法，步骤如下：

步骤1、建立MTDS电场积分方程；当均匀平面波从任一方向照射到多处薄涂敷飞行器时，整个空间的散射场将由该多处薄涂敷飞行器表面的感应面电流、面电荷、薄介质体极化电流和上下表面的极化电荷产生，将所有的源均转化成金属表面的感应面电流来表示，最终建立起MTDS电场积分方程；

步骤2、建立具有外形不确定性多处薄涂敷飞行器的几何模型；通过犀牛软件采用非有理B样条表面建模技术对于具有外形不确定性目标几何建模，提取NURBS面片信息，通过控制点对目标几何外形控制；