[发明专利]一种微型太阳能无人机分层气动优化方法

说明书

本发明属于无人机气动优化技术领域，具体涉及一种微型太阳能无人机分层气动优化方法。该优化方法采用分层优化的方式，即对优化对象进行两步寻优，首先一步进行遗传算法选取最优种群与最优样本，第二步针对当前最优样本进行伴随求解，获得梯度信息进行基于网格变形的自由变形优化。同时本发明的优化方法采用分步优化方法，首先进行二维翼型的优化，然后再根据具体的实际需求进行三维翼型的优化。本发明的气动优化方法不依赖于固定构型，可以减少梯度变形迭代次数，从而尽可能缩短优化开销，同时能够最大限度涵盖设计工况，最大限度体现太阳能无人机表面实际外型。

技术领域

本发明属于无人机气动优化技术领域，尤其涉及一种微型太阳能无人机分层气动优化方法。

背景技术

现有的无人机气动优化主要分为参数化优化和无参数化优化，其中，参数化优化又主要分为随机优化和梯度优化。公开号为CN114154434A的中国发明专利申请提出的多约束精细化气动优化设计方法是在已有的外形之下，基于梯度信息的变形优化，优化过程中与上一步气动结果进行对比以判定优化的梯度正确性，公开号为CN110851912A的中国发明专利公开了一种基于FFD的快速优化方法，该优化方法也是基于已有构型开展的。目前针对微型固定翼无人机尚未形成系统性的外形设计方法，无法直接开展基于梯度信息变形的优化，且现有的参数化描述方法难以兼顾优化参数数量和外形轮廓包线，优化工作可能会受限于描述方法的自身的限制陷入局部最优。

发明内容

为了解决目前现有技术中存在的上述问题，本发明以目标参数为指导，开展无人机气动优化设计，从期望指标入手，通过分级/分层优化，快速寻求优选目标翼型，并对于该翼型进行基于梯度信息的节点变形。本发明的气动优化方法不依赖于固定构型，可以减少梯度变形迭代次数，从而尽可能缩短优化开销，同时能够最大限度涵盖设计工况，最大限度体现太阳能无人机表面实际外型。

本发明的技术方案如下：

一种微型太阳能无人机分层气动优化方法，包括以下步骤：

S1：对无人机进行二维翼型参数化描述；

所述二维翼型参数化描述包括：将二维翼型分为厚度函数和中弧线函数，由样条曲线绘制，限制条件包括前缘半径、最大厚度、最大厚度位置、最大弯度、最大弯度位置、后缘夹角和后缘反弯控制；

S2：基于步骤S1所得二维翼型参数，进行多目标遗传算法优化；

S3：对于步骤S2中的多目标遗传算法优化结果进行伴随求解，以获得优化目标梯度信息，并基于所述梯度信息进行二维翼型的自由外形优化，并将结果纳入翼型数据库；

S4：根据微型太阳能无人机的实际需求进行三维翼型参数化描述，调用翼型数据库作为选取因子，建立三维翼型参数化模型，所述三维翼型参数包括前缘后掠角、后缘后掠角、扭转角、上反角、展长和弦长；

S5：采用克里金模型进行代理模型优化，设置全局和局部变量、约束和目标，利用多目标遗传算法求解获得气动升力系数最大化、升阻比最大化与低头力矩最小化的综合权衡设计；

S6：对于步骤S5中的代理模型优化结果，进行伴随求解，以获得优化目标梯度信息，并基于所述梯度信息进行三维翼型的自由外形优化。

进一步的，所述步骤S2具体包括：

S21：基于步骤S1所得二维翼型参数，采用拉丁超立方实验设计选取初始样本；

S22：进行二维翼型种群计算；

S23：对步骤S22的计算结果进行帕累托等级排序；

S24：采用多目标遗传算法完成遗传、变异、交叉的种群迭代直至目标收敛。

进一步的，所述步骤S22具体包括：