研究文章|开放获取
罗伊Hartfield,韦德赫斯特,凯文•Albarado Rhonald詹金斯, ”使用混合固体火箭发动机设计优化”,国际航空航天工程杂志》上, 卷。2012年, 文章的ID987402年, 9 页面, 2012年。 https://doi.org/10.1155/2012/987402
使用混合固体火箭发动机设计优化
文摘
粒子群/模式搜索混合优化器被用来驱动一个固体火箭发动机建模代码以一个最佳的解决方案。固体发动机代码模型使用锥形电机几何图形分析燃烧方法的切片沿轴向方向成薄片。谷物与圆形穿孔恒星,马车轮子,和狗骨头可以被认为是和多个锥形部分可以构造。混合优化方法能够解决方案的探索大面积空间通过粒子群,但也能爬上最优的“山”通过基于梯度搜索模式。初步设计方法锥形内部几何以及锥形外型线几何。总共四个优化情况下进行。前两个案例研究探讨设计汽车匹配给定regressive-progressive-regressive燃烧概要文件。第三个案例研究的研究设计一个中立燃烧对圆形穿孔谷物(利用内部和外部几何逐渐减少)。最后一个案例研究的研究设计一个线性回归燃烧剖面对圆形穿孔(锥形)谷物。
1。介绍
能够及时进行设计的优化阶段可以设计的最终的成功的关键。与最近的计算效率和建模技术的发展,计算机可以评估数以千计的候选人在初步设计层面上设计一个复杂的系统,它曾经一位工程师来评估一些设计。在火箭发动机的情况下,工程师现在有能力设计汽车,可以匹配指定pressure-time曲线,电动机规格如重量,和优化汽车适合导弹系统(1,2]。
很多已经发展为固体火箭发动机的建模工具。工业工具,如固体性能程序(SPP) [3和初步设计使用简单工具开发4- - - - - -7)执行复燃通过粮食横截面近似为2 d和3 d图形,分析复燃的解决方案。这些工具可以提供一个广泛的信息在一个相对短的时间内,使其适于进行优化方案。电动机的建模方案用于这项研究是文献[中概述的方法的扩展5]。预测结果从这段代码相比,航天飞机助推器数据与有利的结果。在这个模型中,沿晶粒内部几何锥形长度以及外模线。这样做带来了诸多好处从汽车设计的角度来看,无论是外模线需要锥形增压机组在冲压发动机燃烧室的一部分,或者是火箭发动机需要利用车辆空气动力学同时生产所需的燃烧概要文件。
HyStrike(高速攻击导弹)快速鹰低成本的导弹设计这样一个系统将固体冲压发动机燃烧室升压。车辆设计消防增压巡航速度加快,然后切换到冲压发动机巡航。由于火箭发动机的设计、锥形外几何坚持了冲压发动机燃烧室设计(见图1)。为了产生所需的推力曲线的车辆,内部几何必须锥形,以适应这种设计标准。项目最终擦洗的时候,问题本身仍然非常相关的设计新系统。设计这样一个问题,基于人口的优化是最实用和强劲的驱动程序设计代码。
荷兰(8)最初提出模拟以人群为基础的进化和繁殖等生物学过程中使用遗传算法优化。Eberhart和肯尼迪(9)开发在1995年第一个粒子群优化方法,模仿人的行为。这两个想法为优化铺平了道路,因为方法不需要计算函数的偏导数。相反,他们依靠开发新一代种群的成员之间的沟通。优化器使用在这个调查是一种先进的以人群为基础的组合方法和高效的梯度法。粒子群优化器基于中描述的方法(10)是与模式搜索方法结合使用。也许最早的使用模式的搜索方法在固体发动机优化问题可以在文献[11),Woltosz用模式搜索方法减少固体火箭发动机的重量,同时实现所需的总冲量。
2。优化方法
在这项研究中,一种混合优化器实施解决常见的固体火箭发动机问题。开发的策略结合了一种粒子群优化技术和直接搜索方法称为模式,并在很大程度上是基于优化器由詹金斯和Hartfield [12]。
2.1。粒子群
粒子群优化进行第一次被认为是一个有用的优化策略的埃伯哈特和肯尼迪(9]。粒子群是一个拥挤的人群为基础的优化方法利用方面或植绒行为中观察到的自然。粒子群始于一个初始种群的成员(颗粒或设计)由一些独立变量定义的,在这种情况下描述固体火箭发动机的几何形状设计变量。每个粒子穿过一个非常数的速度的设计空间,寻找最大化或最小化目标函数的位置(最佳位置)。粒子交互和沟通来确定粒子表现最好的未来前进的方向。每个粒子受到粒子迄今为止见过的最好的位置,最好的位置被任何粒子,和自己以前的运动(动力)。一个粒子的运动方程修改Mishra [10)可以看到下面(1)和(2)。如图2是一个描述的每一项如何影响粒子。粒子群算法的随机性质出现在前两个随机数条款和随机噪声添加到运动方程的第三个任期。
与大多数进化算法,粒子群的技术是没有边界的一些决议独立参数。这允许一个几乎无限数量的解决方案成为可能。同时,粒子群不依赖于目标函数可微的也不顺利。与梯度方法不同,粒子群方法可以将粒子从当地最适条件如果找到更好的职位由其他粒子。然而,粒子聚集最大的缺点是,最好的解决方案在人群中不会觉得前两个方面的影响(1)之前只留下粒子的速度和一个随机的(小)惯性项影响的运动。这一点使得全球最适条件困难的粒子群优化和阻碍了效率优化器(13]。粒子群方法适用于寻找最优设计空间的最优区域,但事实上很难找到最优点。出于这个原因,粒子群优化器结合梯度评价方法被称为模式搜索。
2.2。模式搜索
模式搜索是一种直接搜索方法技术最初提供的胡克和吉夫斯(14]。它强加个人的逻辑变化参数改善目标函数,然后移动模式的参数也会提高目标函数。这个概念的一个例子是图所示3。以下方法实现的算法开发。(1)初始化设计。(2)执行一个探索性的举动在单一变量,其他不变。(3)先使用探索性举措适应度函数。(4)如果健身提高,存储探索性举措。(5)重复2、3和4的所有变量。(6)执行模式移动,同时改变所有变量与适当的存储探索性举措。(7)重新评估适应度函数与模式。(8)如果身体素质,改变设计。(9)如果健康恶化,保持初始设计,减少大小的探索性的移动。
图3最好可以被认为是一个拓扑地图设计和独立变量空间吗和。从图中,朝着消极的方向和积极的方向将粒子直接高潮(内圈)。设计空间内的正确位置时,模式搜索方法可以迅速找到当地的最适条件。然而,模式搜索只是一样好初始猜测,进行模式搜索一个软弱的优化方法单独工作时一个复杂的设计空间。
2.3。混合优化器
有两种方法结合粒子群的技术和模式搜索算法。简单的方法将承载模式搜索方法在粒子群优化(即。,实施系列)。然而,这将无法利用常规的每个在每个迭代优化策略。相反,这两种方法是并行实现。换句话说,一个迭代的优化器需要一个粒子群机动和至少一个模式搜索策略(每一代模式搜索的迭代次数是一个变量选择的用户)。完成优化器的程序流图如下所示4。Jenkins和Hartfield [12]证明以人群为基础的组合方案基于一个梯度方案达到一个较低的总健身减少函数调用各种航空航天推进问题。特别是,他们开发的优化器执行比遗传算法和粒子群优化器。
3所示。建模方案
建模方案固体发动机在这项研究中的应用是一个修改版的方法描述Hartfield et al。5]。程序计算的燃烧边界和港区燃烧距离使用一系列的分析方程(详细描述5]。均匀截面的电机可以使用粮食长度,理论上完全描述六个参数截面,咽喉区,喷嘴出口面积。然而,修改后的代码中使用本研究需要规模因素三个不同的电机部分,如何从线性部分,部分晶粒截面变小。六个参数描述截面外颗粒半径,、最大内半径没有角,,最低内半径,,可以由恒星的角开放点,角的部分允许一个明星被恒星的结构点(角部分)圆角半径,。每一个参数标记在图5代表一个星点的二分之一。在图的更多信息5使用和方程,看到5]。
六个参数加上三粒长度和三个规模因素是自变量的选择这个问题,共有12个独立变量。图6代表一个侧面的简化示意图的火箭发动机锥形谷物。除了锥内粮食的能力设计,模型也能够逐渐减少外部型线。在目前的状态下,可以锥形外半径之间的线性三个部分。然而,这种能力可以很容易地应用于建模电机特性曲线描述了外模线利用车辆空气动力学。
4所示。结果与讨论
第一个病例为本研究试图匹配pressure-time曲线。第一种情况作为证明优化方案实际上是一个可行的方法来解决这个问题。出于这个原因,所选择的压力时间曲线,如图7,有三个不同的阶段:一个递减的燃烧,进步的燃烧和退化的燃烧阶段。这增加了一个水平的解决方案空间的复杂性。为了确定数学候选人电动机的性能比较图所需的性能7,计算是基于一个错误(3)。最小化(3优化器)是最终目标。
为了匹配pressure-time曲线在图5,12个独立变量前面提到的系统改变使用粒子群/模式搜索方法。大约100000马达设计测试得出的解决方案。虽然这个数字看起来高,这个问题是相当复杂的(12设计变量多值目标函数),并手动执行这个许多函数评估将被认为是详尽的和低效的。从优化结果如图8和9。
(一)GL = 0
(b) GL = 70
(c) GL = 136
(d) GL = 160
相信汽车如图9是所需的pressure-time曲线的优化设计。应该注意的是,在燃烧的时间约70秒,压力达到爆燃极限,相信汽车会烧坏。这种影响不是目前建模程序用于这项研究。最终的解决方案依赖于粮食逐渐减少的为了达到最终的解决方案。这是一个预期的结果,因为对圆穿孔明星和马车轮谷物不能生产所需的曲线。电动机的圆锥形允许生产递减烧电机的资料在燃烧后期由于推进剂燃烧在墙上在某些部分燃烧之前在其他部分。这种方法设计明星和马车轮汽车可以让设计几乎任何想要的压力曲线。这将允许一个设计师为车辆指定pressure-time概要文件与确信存在一个电动机,可以设计概要。额外的粮食这种方法设计的能力是锥外模线的能力以及内部几何。为了匹配相同的pressure-time曲线在图7像以前一样使用相同的技术只允许这次外半径不同。提出了数据10和11这种情况下的结果。
(一)GL = 0
(b) GL = 52
(c) GL = 112
(d) GL = 155
数据9和11有很多相似之处,比如大量的明星点,身体半径大约40英寸,谷物长度约160英寸,并逐渐减少的内在几何实现结果如图8和10。进一步关注的一个相似之处是大量的明星点,和相对较小的恒星点(即结构。,的值很接近吗)。从图5,这将意味着优化器试图推动解决圆形穿孔谷物。这个结果意味着简单的CP粮食汽车可以利用圆锥形的内外半径产生pressure-time曲线类似于一个可能产生的圆形穿孔明星或车轮。
这个结果导致执行的第二项研究。在一些设计是不切实际或不符合成本效益的设计一个锥形明星粮食。因此,简单的电动机设计通常是用来避免成本增加。说,但是,如果一个更简单的设计一个圆形穿孔,可以锥形部分如图所示吗?更好的是,如果外半径气动马达是锥形的原因吗?描述的设置,汽车可以利用简单的CP马达,利用外模线空气动力学,仍然可以相对简单的设计复杂性。两个配置文件检查:一个中立的燃烧锥形CP运动和线性递减锥形CP运动。这两种设计的情况下,不可能有一个统一的正确的圆形穿孔谷物(产生一个高度进步的燃烧)。第一CP粮食优化,优化器寻找一个马达能匹配400 psia恒压10秒钟。内半径参数,,是平等的,圆角半径设置为零。外半径被允许锥之间的线性部分。如图12和13这个案例研究的结果。
(一)GL = 0
(b) GL = 27
(c) GL = 90
(d) GL = 133
从图可以看出12,优化器能够找到一个电动机,近400(3%)与常数psia超过一千一百零二燃烧时间。从图13显然,优化器选择一个设计与web厚度约一个常数;然而,锥形外半径之间的显著部分。事实上,第三节(图13 (c))蜡烛从23英寸半径超过43英寸(近100%)。第二案例研究只涉及CP谷物,优化器将设计一个电动机,可以匹配一个线性回归的燃烧曲线在600年开始psia超过10秒,烧毁400 psia。如图14和15是结果。
(一)GL = 0
(b) GL = 45.5
(c) GL = 92
(d) GL = 137
为了生成必要的回归燃烧概要文件,优化器使用逐渐减少的内在和外在几何如图15。从中性燃烧CP研究中,很明显,网络应该有点常数和厚度外几何锥形为了保持一个恒定的燃烧区域。但这里,马达基本上蜡烛web厚度的部分电动机烧坏其它燃烧面积不断减少。应该注意的是,虽然曲线不完全与所需的概要文件,最终结果是在10%的所需的解决方案。
5。结论
粒子群/模式搜索优化器加上修改后的固体推进建模代码被证明是一个精通模拟和优化工具,能够找到一个解决后退/进步/退步燃烧曲线。很明显从电机部分的逐渐减少的结果被证明是至关重要的在寻求解决提出的问题。对于简单的明星谷物、圆锥形提供燃烧至关重要的行为中没有对多孔颗粒。这种影响不仅通过展示如何增强内部逐渐减少谷物可以产生复杂的多相燃烧概要文件,还如何利用外模线逐渐减少来达到相同的效果。这影响吸气式导弹助推器设计和汽车设计与考虑外模线车辆空气动力学或架构。中性和线性递减燃烧概要文件创建使用循环多孔颗粒逐渐减少内外半径。这有很强的影响在设计问题制造限制要求需要保持设计简单和成本有效,然而复杂压力资料是必需的。
命名法
| : | 均方根误差 |
| : | 预测的压力 |
| : | 所需的压力 |
| : | 0到1之间的随机数 |
| : | 当前粒子速度 |
| : | 下一个粒子速度 |
| : | 当前粒子的位置 |
| : | 下一个粒子的位置 |
| : | 粒子的位置看到 |
| : | 全球最佳位置见 |
| : | 惯性常数作用在全球最佳位置的影响 |
| : | 惯性常数作用于粒子最佳位置的影响 |
| : | 惯性常数随机噪声 |
| : | 惯性的常数。 |
引用
- m·b·安德森,j·e·娜博克浩特,r·m·詹金斯”设计的导弹拦截器使用遗传算法,”宇宙飞船和火箭杂志》上,38卷,不。1,28-35,2001页。视图:谷歌学术搜索
- d .谜语,r . Hartfield j .娜博克浩特,r·詹金斯“遗传算法优化液体推进剂导弹系统,”张仁论文2007 - 362年,2007年。视图:谷歌学术搜索
- 邓恩,d .外套,j .法国SPP 02: 3 d纹理设计用户手册,2002年软件&工程Associates Inc .。
- r . Sforzini”,一个自动化的方法设计固体火箭利用一个特殊的内弹道模型,”张仁论文1980 - 1135年,1980年。视图:谷歌学术搜索
- r . Hartfield r·詹金斯j·娜博克浩特,w·福斯特,“回顾分析方法预测粮食回归战术固体火箭发动机,”张仁飞船和火箭杂志》上第41卷。。4、689 - 692年,2004页。视图:谷歌学术搜索
- 里恰尔迪,“广义几何分析圆柱明星穿孔和锥形的谷物,”张仁杂志》的推进和权力,8卷,不。1,51-58,1992页。视图:谷歌学术搜索
- r . Sforzini笔记等固体推进剂火箭发动机喷气推进基本面奥本大学,1980。
- j .荷兰,适应在自然和人工系统,麻省理工学院出版社,1992年。
- 进行r·埃伯哈特和j·肯尼迪,“新的优化器使用粒子群的理论,”学报第六届国际研讨会微机器和人类科学1995年10月,页39-43,。视图:谷歌学术搜索
- 美国Mishra”,排斥粒子群方法全局优化的一些测试难题,”新闻。视图:谷歌学术搜索
- w·Woltosz数值优化技术的应用固体推进剂火箭发动机设计硕士论文)奥本大学,1977。
- r·詹金斯和r . Hartfield混合粒子swarm-pattern搜索优化器对于航空航天应用程序,”张仁纸2010 - 7078年,2010年。视图:谷歌学术搜索
- j . Badyrka r·詹金斯和r . Hartfield张仁“航空航天设计:比较研究”论文2010 - 1311,2010。视图:谷歌学术搜索
- r·胡克和t .吉夫斯”,直接搜索解决方案的数值计算和统计问题,”计算机协会杂志》上,8卷,不。2、212 - 229年,1961页。视图:出版商的网站|谷歌学术搜索
版权
版权©2012凯文Albarado et al。这是一个开放的访问分布在条知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。