文摘
摘要多体parachute-payload系统简化和分析。six-degree-of-freedom刚体飞行动力学模型,建立了计算飞行轨迹,态度,速度,滴点parachute-payload系统。其次,随机干扰因素,可能会遇到实际的降落伞空投试验系统进行了分析。根据干扰因素的分布规律,引入飞行动力学模型。蒙特卡罗方法用于模拟目标和预测的飞行轨迹和降落点分布降落伞系统。仿真结果可以提供技术支持和理论依据降落伞空投试验。最后,将遗传算法用于识别的气动参数大规模Disk-Gap-Band降落伞。仿真结果与试验结果有很好的一致性,这表明本文提出的研究方法可以应用于研究实际工程问题。
1。介绍
因为它的减速效率高和可靠性,降落伞回收系统中是一个重要的减速器(1),广泛应用于航天器返回,火星探测器着陆和其他任务(2]。灵活的降落伞是脆弱的经济复苏过程中复杂多变的外部环境。因此,有必要深入研究降落伞系统的性能在各种可能的条件下,以确保高可靠性和高安全要求的航空航天工程任务(3]。
常用的方法为研究降落伞系统的性能包括风洞试验、空投测试和计算机模拟(4]。在风洞试验方法有很多局限性,主要体现在小尺寸的风洞,高压,气流的密度测试。降落伞的比例模型不能保证相似的几何形状和刚度的降落伞系统。因此,准确的降落伞参数所需的工程开发不能只通过风洞测试。空投试验方法可以更准确地获得一些降落伞性能参数。然而,他们的缺点是测试成本高、周期长,和数量有限的测试,他们受到气象条件。所以,很难检查系统在各种极端条件下的特点。此外,测量设备的安装困难让人无法衡量一些重要的降落伞系统参数。降落伞系统的工作过程是极大地受到随机的环境因素的影响。很难全面评估性能的降落伞系统只有通过测试的方法。 However, the simulation method can make up for the deficiencies of the experimental methods. It is of great significance for improving the design level, reducing the numbers of tests, shortening the development cycle, saving design cost, and ensuring the safety of airdrop [5]。
在这篇文章中,一个降落伞空投测系统的一般轨迹仿真模型与随机干扰因素,以及各种偏差的因素可能发生在实际的测试进行了分析。足够数量的模拟目标与蒙特卡罗方法进行了实践检查降落伞的强度和验证的准确性和色散随机下降点。因此,它可以为改善空投的精度提供实验依据,减少分散的点,纠正飞行轨迹。另一方面,大型降落伞的可测信息匮乏,空气动力系数是很难获得的。因此,基于实际空投试验遗传算法用于识别大规模的空气动力参数Disk-Gap-Band降落伞。这种识别方法可以用于研究在工程实际问题。
2。建模
2.1。Parachute-Payload系统动态模型
之前建立一个six-degree-of-freedom parachute-payload系统的轨迹模型,以下假设:
parachute-payload系统由降落伞和负载刚性连接的身体。降落伞的气动力在降落伞树冠的几何中心。拖动主降落伞面积随时间,是时间的函数6]。忽略了通货膨胀的过程指导降落伞,只有空气动力参数识别的测试降落伞。
图1parachute-payload系统的原理图,伞体坐标系和大地坐标系统定义。降落伞坐标系统 ,在原点降落伞树冠的几何中心,即气动压力中心的降落伞。点的质心parachute-payload系统,和坐标原点的距离对点是 。原点大地坐标系一致的投影点的质心弹丸初始时间的当地水平面。的轴是垂直向上。的和轴是在当地水平面,分别指向北部和东部。
2.2。动力学方程
使用拉格朗日方法,基本parachute-payload系统的运动方程。的一般形式如下:
上面的公式也被称为基尔霍夫方程,在哪里是系统的动能,和是外力和力矩作用于降落伞系统,分别和和 ,分别是系统速度和角速度向量。在体内降落伞系统的坐标系,公式(1)和(2)是由以下形式,( )和( )组件的速度和角速度的降落伞系统在每个轴的坐标系统,分别, 是降落伞系统在每个轴的转动惯量,和是系统的总质量。
3所示。方法
3.1。下降点预测方法
3.1.1。轨迹偏差系数
降落伞系统容易受到各种随机环境因素在其操作,导致系统的某些状态参数偏差极大地从设计状态。这些偏差造成的极端条件下最大限度地开启力和动压峰值。峰值力是开放的一个重要指标,确保降落伞系统的安全性和可靠性。它直接影响降落伞系统是否可以正常打开,与整个复苏的成功或失败的任务(7]。
因为空投过程包括许多阶段,涉及到很多影响因素,有必要建立一个多级仿真模型进行分析(8]。根据空投试验程序,空投过程简化为几个阶段,如图2。
由于各种随机因素的影响,各种偏差可能发生在系统的设计参数。这些偏差将会引起轨迹的偏差,从而影响弹丸的着陆位置。干扰因素包括初始条件偏差,实验模型偏差,控制参数偏差,偏差降落伞阻力区域,风的影响。初始条件的偏差是由投掷速度和高度误差。实验模型偏差包括质量、惯性和质心的偏见。控制时间和动态压力错误是包含在降落伞偏差控制条件。降落伞阻力区偏差包括阻力区引导降落伞的偏差,测试降落伞,帆主降落伞,全面通胀主要降落伞。对于随机风,它假定风速服从正态分布和风向是均匀分布在水平平面。每个模拟干扰因素是一个遵循正态分布的随机变量。因此,标准正态分布函数randn可用于获取与正态分布随机变量样本模拟。
3.1.2。蒙特卡罗方法
由于涉及大量的干扰模型,很难直接得到变异的影响因素对轨迹分析方法的偏差范围内。
使用蒙特卡罗方法,目标可以通过计算机仿真模拟多次测试。每个模拟目标被认为是一个实际的空投试验。可获得具有良好的收敛结果仿真方法,它提供了一种依据制定测试方案和系统设计。
蒙特卡罗方法,也称为随机模拟方法或随机抽样方法,是一个经典的统计检验方法。它的基本理论是大数定律和中心极限定理9]。根据大数定律,评估的准确性提高了模拟的数量增加(10,11]。在降落伞空投试验轨迹仿真,它通常是必要的,以确定每个随机因素的价值观和标准偏差,然后使用随机数生成器来生成相应的伪随机数序列。然后,它被替换成建立降落伞系统动态模型计算。最后,通过计算结果的统计处理,相对准确的仿真结果的干扰和着陆轨迹点预测。利用蒙特卡罗方法模拟目标,可以采取以下步骤(9]:(1)parachute-payload系统动态特性的分析,建立降落伞系统的轨迹仿真数学模型(2)确定各种随机偏差和随机干扰因素的过程中一个空投。生成伪随机数序列的随机变量的分布类型和统计特征的随机因素(3)蒙特卡洛方法是通过使用MATLAB编程实现。随机变量的抽样值替换到降落伞系统的动态模型。着陆轨迹曲线和坐标可以通过运行程序(4)根据所需数量的测试,程序循环运行次以获得随机抽样模拟轨迹参数,模拟的目标(5)仿真结果统计处理,每年秋季之间距离的均值和方差和理想的不受干扰的降落点的散射计算评价下降点
3.2。参数识别方法
动态参数识别本质上是一个复杂的非线性约束优化问题。如果使用传统的优化算法来解决,它将涉及一系列的问题,如函数的梯度计算和迭代的初始值的选择。此外,大规模Disk-Gap-Band降落伞用于火星探索几乎没有可测量的数据,和它的明确的识别方程很难建立。不确定性quasinatural算法,遗传算法是一种有效的方法来解决此类优化问题。它是一个全球性的启发式优化算法与自适应概率搜索和对初始值的敏感性较低。因为它的简单等优点,操作简单,和强鲁棒性,它已广泛应用于各种飞机的气动参数识别。本文应用于大规模的空气动力参数的识别Disk-Gap-Band降落伞,解决问题,降落伞的气动力计算是困难的。
遗传算法是一种迭代算法。它有一组在每个迭代的解决方案。这套解决方案最初是随机生成的。在每个迭代中,一套新的解决方案是由遗传操作模拟进化和继承。每个解决方案评估的目标函数,一个迭代成为一代。典型的算法步骤如下:(1)初始化种群(2)计算每个个体的适应度的人口(3)选择进入下一代的个体按照一定规则由个人健身价值(4)根据概率交叉操作(5)根据概率进行变异操作(6)如果一些停止条件不满足,去(2),否则,去下一个步骤(7)输出最好的染色体健身人群中一个令人满意的或最佳的解决问题的办法
4所示。仿真结果
4.1。下降点的预测结果
以下4.4.1。理想的轨迹
摘要Disk-Gap-Band降落伞空投试验弹的是作为一个例子来模拟。弹是一个锥形头部中央圆柱段和一个十字形的翼的尾巴。空气动力CFD数值模拟得到的数据(12]。给每个特征参数和一组标准的启动条件、干扰因素设置为0来模拟,计算和降落伞的状态(或获得)通过求解运动微分方程。parachute-payload系统的理想的轨迹曲线和速度之间的关系,高度、倾角、轨道倾角和时间了,见下图。
从数据可以看出3和4,理想的无风的轨迹的偏差的横向距离(方向)非常小,可以忽略,所以它可以被视为一个二维的纵向对称平面轨迹。数据5和6是速度和高度变化的图表在降落的过程中,随着时间的推移。螺旋角的曲线(图7),可以看出,弹丸的俯仰姿态变化更为戏剧性的降落伞时,因为降落伞的作用在弹丸相当于应用拖累弹丸的尾巴,从而提高弹丸的俯仰力矩。降落伞打开过程有很大的影响弹丸的态度变化;但随着降落伞打开,影响逐渐减小。在整个过程中,弹丸的投手态度改变附近从水平到垂直方向如图8。
4.1.2。干扰轨迹
每个偏差系数的随机干扰值添加到理想轨迹模拟。每一个轨迹的仿真结果相当于的实际轨迹空投试验。1000年模拟重复后,散射的地图点得到如图9。每年秋季的水平和垂直坐标点与理想点下降相比在统计上得到的散射规律下降点。从图可以看出,最大垂直散射不超过3000米,和最大侧向散射不超过400米。仿真轨迹降落点均匀分布在理想轨迹降落点。
的估计价值圆概率误差(CEP)在1000年之后被计算为模拟目标 。
纵向( - - - - - -轴)模拟的位置圆概率误差下降点 。纵向偏差的平均值模拟着陆轨迹点与理想的降落点是300,均方误差是1084米。正态分布的纵向坐标下降点的测试,结果如图所示10。可以看出,纵向位置的下降点符合正态分布。
外侧( - - - - - -轴)模拟的位置圆概率误差下降点 。横向偏差的平均值模拟着陆轨迹点与理想的降落点是3 m,均方误差是153米。正态分布的横向坐标下降点的测试,结果如图所示11。可以看出,外侧位置的下降点符合正态分布。
计算之间的偏差下降点的模拟和理想点和情节的落点偏差下降1000模拟相同的图片绘制如图12。
从图可以看出12之间的距离偏差模拟点下降和理想的下降点主要集中在500米,最大偏差约为2000米,892.5002米的距离的平均值,标准差是641.1984米。正常的测试执行落点偏差,如图13可以看到,它的偏差降落点是在良好的协议与正态分布法。
正如上面提到的,测试降落伞的弹射条件是动态压力达到一个固定值,和降落伞系统的飞行攻角影响皮托管测量的动态压力。因此,有必要检查飞行迎角的分布的降落伞系统达到的动态压力喷射。图14是攻角分布直方图动态压力是750 Pa皮托管测量的。
从图可以看出,在1000年大约90%的模拟,迎角时的测试降落伞弹射小于20°。在罕见的情况下,攻角甚至大于80°。如果攻角太大,皮托管测量可能并不准确,所以parachute-payload系统模型需要进一步改善。
4.2。参数识别结果
降落伞的气动参数识别是估计降落伞的空气动力系数通过建立系统数学模型的基础上,从空投试验获得的试验数据。本文基于上述动态模型,测试降落伞的参数确定分期基于遗传算法(13]。
4.2.1。准备稳定的下降阶段
在稳定下降阶段,测试降落伞是完全开放的。为简单起见,假设其阻力系数是常数,写成 在哪里阻力系数和吗是被识别的参数。遗传算法的初始参数设置如下:人口规模是100,号码是100一代,交叉概率为0.7,变异概率是0.001。以 - - - - - -方向速度的观察测量,识别结果
识别结果代入仿真程序,并比较它与测试数据,如图15。
从图可以看出15稳定的下降阶段的仿真结果与测试数据基本上是一致的,可以验证识别模型是准确的。
4.2.2。测试降落伞通货膨胀阶段
在通货膨胀期间,空气动力系数测试降落伞表示为静态空气动力系数乘以一个通货膨胀因素 ,这是写为(14]
的公式,绳子拉直的时刻,全面通胀的时刻,和是被识别的参数。以拉后面的小屋为观察测量,识别结果
识别结果代入仿真程序,并比较它与测试数据,如图16。
从图可以看出16气动力的仿真结果在通货膨胀阶段与测试基本上是一致的,这证明了确定通货膨胀因素有参考价值。
4.2.3。卸载阶段
在卸载阶段,弹的鼻子突然分开后面的小屋,和负载的重量测试降落伞暂时减少,导致阻力系数测试降落伞的突然减少,然后逐渐恢复。在这一过程中空气动力系数表示为静态空气动力系数乘以一个卸载因素和写
在哪里分离时间和吗和是被识别的参数。以拉后面的小屋为观察测量,识别结果
识别结果代入仿真程序,并比较它与测试数据,如图17。
从图可以看出17卸载阶段持续了大约2秒,和拉的仿真结果与测试数据基本上是一致的。
上述五个参数被用来模拟测试的整个过程从弹射降落伞卸货,并与试验数据比较,结果如图18和19。
从数据可以看出18和19,仿真结果与实验数据吻合较好,验证了识别结果的准确性。
5。结论
(1)基于简化的分析多体parachute-payload系统,six-degree-of-freedom刚体飞行动力学模型和一个降落点计算模型建立。这些模型可以满足的要求解决轨迹,态度,速度,和多体parachute-payload降落地点分散的系统(2)空气动力数据parachute-payload系统通过CFD数值模拟获得。parachute-payload系统的随机干扰因素的空投试验进行了综合分析。基于MATLAB仿真工具和蒙特卡罗方法,一个方法干涉效应下的飞行轨迹仿真和模型结构,提出了可有效解决下的降落点分散的各种误差因素的影响(3)parachute-payload系统飞行轨迹的数值模拟方法提出了可以提供仿真方法的研究和验证parachute-payload系统飞行轨迹和精确着陆预期点。它也有参考意义一般降落伞空投技术和多体降落伞系统仿真(4)方法对于识别空气动力系数大Disk-Gap-Band降落伞基于遗传算法。这种方法可以估计降落伞空投的基础上的空气动力参数测试数据和解决问题的气动力降落伞是很难计算的。该识别模型可以解决流固耦合计算的复杂问题,可用于工程实践
命名法
| : | 动能 |
| : | 外部力量 |
| : | 外部的时刻 |
| : | 组件的位置 |
| : | 组件的速度 |
| : | 组件的角速度 |
| : | 转动惯量 |
| : | 额外的质量 |
| : | 总质量 |
| CEP: | 圆概率误差。 |
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。