[发明专利]一种从飞行性能角度进行直升机气动布局参数设计的方法

权利要求书

1.一种从飞行性能角度进行直升机气动布局参数设计的方法，其特征是，本方法包括以下步骤：

第一步、通过对已有或者原型直升机进行试飞验证，得到该直升机的以下飞行性能，包括但不限于：最大有无地效悬停重量、有无地效悬停升限、最大垂直爬升速度、最大斜爬升率、最大航程航时、使用升限以及最大巡航速度；并利用试飞验证得到的试飞数据对本方法要用到的性能计算软件进行校准，使性能计算软件的计算结果与试飞数据相当；

第二步、根据已有或者原型直升机的气动布局参数，已有或者原型直升机的风洞实验的参数范围、已有或者原型直升机的参数的物理限制，以及其他直升机气动布局参数统计数据，在通过风洞实验确定不同直升机部件间的气动干扰影响后，确定新设计直升机气动布局参数的设计上下限，以下的设计步骤应在该给定的设计上下限参数范围内进行；

第三步、根据新设计直升机的主要任务使命以及所需兼顾的任务要求，对第一步中得到的已有或者原型直升机的飞行性能进行调整，得到新设计直升机的飞行性能目标；

第四步、基于第三步得到的新设计直升机的飞行性能目标，在性能计算软件中，使用可行域求解算法求解新设计直升机的气动布局参数在第二步给定的设计上下限参数范围内的可行域，求解时，根据气动布局参数需求的相似性，将飞行性能目标进行分类，分别求解每个飞行性能目标各自的可行域边界；

第五步、将所有可行域放在一起，重叠的区域就是新设计直升机气动布局参数的可行域，如果可行域没有重叠说明可能不存在同时满足所有飞行性能目标的参数组合，需要回到第三步对飞行性能目标进行重新确定；

第六步、综合考虑飞行品质、桨毂力矩、尺寸限制和结构限制，逐步提高飞行性能目标，将可行域逐渐缩小，经过多次迭代缩小后，最终确定一组位于可行域内的可行的气动布局参数，该组气动布局参数能够满足飞行性能目标的要求；

第七步、依据该组气动布局参数，对已有或者原型直升机的气动布局参数进行修改，并对修改后的直升机进行试飞验证，通过验证后的气动布局参数即为新设计直升机的气动布局参数。

2.如权利要求1所述的一种从飞行性能角度进行直升机气动布局参数设计的方法，其特征是，第四步中所述的可行域求解算法求解方法如下：

本方法中设定的已知参数如下：

新设计直升机的M个飞行性能目标，表示为向量G＝[g₁ g₂ ...g_j… g_M]^T，其中，g_j表示第j个飞行性能目标，1≤j≤M；

新设计直升机的N个气动布局参数，表示为向量X＝[x₁ x₂ …x_i… x_N]^T，其中，x_i表示第i个气动布局参数，1≤i≤N；

新设计直升机的设计上下限参数范围，上限表示为X_max=[x_max1 x_max2 … x_maxN]^T，下限表示为X_min＝[x_min1 x_min2 … x_minN]^T，使得对于1≤i≤N,x_maxi＞x_i＞x_mini；

本方法求解步骤如下：

第一步，初始化粒子群，该个粒子群共包含有L个粒子，表示为：Swarm₁，Swarm₂，…Swarm_k…Swarm_L，其中，1≤k≤L，对每个粒子在新设计直升机的设计上下限参数范围内随机生成该粒子的气动布局参数，第k个粒子Swarm_k初始化生成的气动布局参数为X_k；

第二步，计算各个粒子的飞行性能向量和多目标适应度，计算步骤如下：

第k个粒子Swarm_k的飞行性能为f(X_k)，多目标适应度为Fitness(X_k)，其中，f(X_k)＝[f₁(X_k) f₂(X_k) … f_m(X_k)]^T，对于所述飞行性能f(X_k)，如果对1≤j≤M，满足f_j(X_k)＞g_j，该气动布局参数X称为可行解，由所有可行解组成的气动布局参数集合称为气动布局参数的可行域，为了衡量当前飞行性能f(X_k)和飞行性能目标G的差别，定义多目标适应度当时，X_k为可行域边界解，ε为预先设定的阈值；

第三步，求解当前粒子群中的非支配集，非支配集的求解如下：

为了衡量各粒子气动布局参数的差别，定义第l个粒子和第k个粒子之间的距离其中，为第l个粒子的第i个气动布局参数，为第k个粒子的第i个气动布局参数，对于每个粒子，找出所有与其距离小于预定阈值R的粒子，对于第k个粒子Swarm_k与其距离小于预定阈值R的S个粒子表示为Swarm₁，Swarm₂，…Swarm_s…，Swarm_S,1≤s≤S，Swarm₁为Swarm_k粒子自身，定义第k个粒子的最优粒子Swarm_best为：粒子Swarm_s，其多目标适应度为Fitness_s，当粒子Swarm_best与粒子Swarm_s之间的距离distance_best,s＜R时，满足粒子Swarm_best的多目标适应度Fitness_best＜Fitness_s；所有最优粒子组成的集合为非支配集；

第四步，将第三步求得的非支配集合保存为第一外部集；

第五步，将各个粒子的个体极值设为粒子自身，第k个粒子的个体极值的气动布局参数记为X_k,Pbest，第k个粒子的个体极值的多目标适应度记为Fitness(X_k,Pbest)；

第六步，将粒子群中多目标适应度最小的粒子设为全局最优值粒子Gbest，全局最优值粒子Gbest的气动布局参数记为X_Gbest，全局最优值粒子Gbest的多目标适应度记为Fitness(X_Gbest)；

第七步，按下述的方法第1次更新粒子群中的每个粒子的飞行速度和气动布局参数；

粒子群中，第k个粒子在第一步初始化时生成的动布局参数记为X_k，第k个粒子的第1次更新的飞行速度记为Vk1=v1v2...vi...vNk1,]]>第k个粒子的第1次更新的气动布局参数记为其中：

Vk1=c1(Xk,Pbest-Xk)+c2(XGbest-Xk)]]>

Xk1=Xk+Vk1]]>

其中，c₁和c₂是学习因子，为0到1之间的随机数；

如果超出了新设计直升机的设计上下限参数范围，则在新设计直升机的设计上下限参数范围内重新随机生成该粒子的气动布局参数且Vk1=0...0;]]>

第八步，依据第二步的方法，计算更新后各个粒子的飞行性能和多目标适应度；

第九步，依据第三步的方法，求解当前粒子群中的非支配集；

第十步，将当前粒子群的非支配集合放入第四步的第一外部集中，并去重复的粒子，对得到的第二外部集，按第三步的方法求出第二外部集中的非支配集，以此非支配集为第三外部集；

第十一步，更新各个粒子的个体极值：粒子群中的每个粒子都有一个自己的个体极值，对已经进行多次更新的第k个粒子，记录每次更新的多目标适应度，得到多个多目标适应度，取其中最小的多目标适应度对应的第k个粒子的气动布局参数更新为个体极值X_k,Pbest；

第十二步，更新全局最优值粒子：计算第十步得到的第三外部集中各粒子间的距离，将第三外部集中周围非支配粒子分布最稀疏的粒子更新为新的全局最优值粒子X_Gbest；

第十三步，按下述的方法更新粒子群中的每个粒子的飞行速度和气动布局参数，回到第八步；

粒子群中，第k个粒子在上次更新的气动布局参数为和飞行速度为第k个粒子的本次更新的飞行速度记为气动布局参数记为第k个粒子本次更新的飞行速度和气动布局参数为：

Vkr=wVkr-1+c1(Xk,Pbest-Xkr-1)+c2(XGbest-Xkr-1)]]>

Xkr=Xkr-1+Vkr]]>

其中w为惯性权重系数，一般取0.8；c₁和c₂是学习因子，为0到1之间的随机数；

如果超出了新设计直升机的设计上下限参数范围，则在新设计直升机的设计上下限参数范围内重新随机生成该粒子的气动布局参数且Vkr=0...0;]]>

第十四步，依据第八步至第十三步的方法，对粒子群进行R次更新，将最后的到的第三外部集输出为新设计直升机的气动布局参数可行域边界；

第十五步，在可行域边界两侧任意各取一组气动布局参数，分别记为X₁和X₂，对应的飞行性能为f(X₁)和f(X₂)，如果对1≤j≤M，满足f_j(X₁)＞g_j，则X₁一侧为可行域，X₂一侧为不可行域，否则X₂一侧为可行域，X₁一侧为不可行域。