[发明专利]一种固体火箭发动机性能渐进匹配设计方法

说明书

本发明提供了一种固体火箭发动机性能渐进匹配设计方法，包括：获取固体火箭发动机总体指标的任务目标；根据任务目标中预设推力需求的工作时间，确定时间区间划分个数；基于初始平衡压强法得到所述预设推力需求匹配度的初始训练样本集；根据初始训练样本集，在初始时间区间内运行燃面和内弹道计算模型得到N条推力曲线，根据N条推力曲线构建推力近似模型；进行不精准采样，得到备选解；将备选解代入燃面计算和内弹道计算模型，在仿真时间内对内弹道性能进行计算，得到备选推力曲线；当仿真时间不小于所述工作时间时，将所述备选解作为新样本点加入样本集，得到更新后的样本集；当达到预先设置的收敛条件时，输出所述备选推力曲线作为最优解。

技术领域

本发明涉及航空航天技术领域，特别地，涉及一种固体火箭发动机性能渐进匹配设计方法。

背景技术

固体火箭发动机是导弹、火箭等航天运载器的重要动力系统之一。在固体火箭发动机设计问题中，推力-时间曲线作为发动机最直接的性能输出，也是导弹总体最关心的发动机性能。随着导弹精细化设计水平不断提高，对特定推力曲线发动机需求更加迫切。因此，针对固体火箭发动机的性能匹配设计能更好满足导弹总体精细化设计需求，提升导弹武器总体性能。与现有设计对性能指标的需求不同，发动机性能匹配设计，是在设计空间中找到一组设计方案，使其得到的推力曲线与给定的总体指标尽量吻合，而不是单纯的追求发动机性能的最优，采用这种模式得到的发动机方案，能够更好地贴合导弹总体对发动机的需求。固体火箭发动机性能匹配设计需要不断调用发动机性能仿真模型计算发动机推力曲线，并计算与推力需求之间的匹配度，通过算法驱动迭代过程，得到与预设推力曲线尽可能接近的方案。

现有方法在解决性能匹配设计问题时，目前常用的方法有：1)构建基于需求和计算结果偏差作为目标函数的优化问题，采用模式搜索与粒子群优化(PSO)或蚁群算法(ACO)算法相结合实现参数寻优，这种方法由于PSO和ACO通常需要上千次迭代，仅能用于二维装药的匹配设计。2)将基于代理模型的优化方法应用与上述匹配问题求解，提升设计效率，从而实现三维装药构型的性能匹配设计。

但是目前常用的发动机匹配设计方法其缺点在于：每次迭代过程必须将仿真进行完毕后才进行适应度评估，造成较差解的重复计算，带来了计算耗时增加，导致效率低下。

发明内容

本发明目的在于提供一种固体火箭发动机性能渐进匹配设计方法，以解决目前常用的发动机总体设计方法中存在的技术问题。

为实现上述目的，本发明提供了一种固体火箭发动机性能渐进匹配设计方法，包括：

获取固体火箭发动机总体指标的任务目标；

根据所述任务目标中预设推力需求的工作时间，确定时间区间划分个数和时间区间长度；

基于初始平衡压强法得到所述预设推力需求匹配度的初始训练样本集X_i(i＝1,2,…,N)；

根据所述初始训练样本集，在初始时间区间内运行燃面和内弹道计算模型得到初始时间区间内对应的N条推力曲线，根据所述N条推力曲线构建推力近似模型；

获取仿真时间内的已知推力近似模型，根据所述推力场近似模型和所述N条推力曲线，构建采样优化目标函数；

根据所述采样优化目标函数和预先设置的采样条件在所述已知推力近似模型中进行采样，得到备选解；

将备选解代入燃面计算和内弹道计算模型，在仿真时间内对内弹道性能进行计算，得到备选推力曲线；

当仿真时间不小于所述工作时间时，仿真完成，将所述备选解作为新样本点加入样本集，得到更新后的样本集；

当达到预先设置的收敛条件时，输出所述备选推力曲线作为最优解。

进一步的，将备选解代入燃面计算和内弹道计算模型，在仿真时间内对内弹道性能进行计算，得到备选推力曲线，包括：