[发明专利]一种基于遗传算法的固体推进剂配方优化设计方法

摘要

本发明公开了一种基于遗传算法的固体推进剂配方能量优化设计方法，包括步骤：一、建模：根据最小自由能原理，建立固体推进剂的能量特性计算模型；二、初始参数设定与存储：输入固体推进剂所用的组分种数以及各组分的化学式和质量配比范围，同时输入固体推进剂燃烧后产生燃烧产物的种数以及各燃烧产物的化学式和相对分子质量或自燃烧产物数据库中选出所有燃烧产物；三、数据处理器调用遗传算法模块，对所设计固体推进剂的质量配比进行优化设计。本发明方法步骤简单、设计合理且实现方便、使用效果好，能快速获得固体推进剂具有最高比冲的最佳配比，能有效解决现有固体推进剂配方设计过程中存在的能量特性试验成本高、周期长、试验量大等缺陷。

主权项

一种基于遗传算法的固体推进剂配方能量优化设计方法，其特征在于该方法包括以下步骤：步骤一、建模：根据最小自由能原理，建立固体推进剂的能量特性计算模型，且所述能量特性计算模型为根据固体推进剂的质量配比计算得出该固体推进剂比冲的数学模型；步骤二、初始参数设定与存储：通过与数据处理器相接的参数输入单元，输入配制所设计固体推进剂所用的组分种数N以及各组分的化学式和质量配比范围（mi0～miz）；同时，通过所述参数输入单元输入所设计固体推进剂燃烧后所产生燃烧产物的种数A以及各燃烧产物的化学式和相对分子质量，或者通过所述参数输入单元自预先建立的燃烧产物数据库中选出所设计固体推进剂燃烧后所产生的所有燃烧产物；并且，所述数据处理器将通过所述参数输入单元所输入的信息，均同步存储至与所述数据处理器相接的数据存储单元内；其中，i=1、2、…、N，N为配制所设计固体推进剂所用的组分种数，mi0为配制所设计固体推进剂所用第i种组分的质量配比下限值且miz为第i种组分的质量配比上限值；其中，mi0和miz均为实数，且0＜mi0＜100，0＜miz＜100；所述燃烧产物数据库中存储有多种燃烧产物的属性信息；其中，各燃烧产物的属性信息均包括化学式和相对分子质量；步骤三、数据处理器调用遗传算法模块，对所设计固体推进剂的质量配比进行优化设计，其优化设计过程如下：步骤301、种群初始化：将配制所设计固体推进剂所用的N种组分中各组分的一个质量配比取值mix作为一个个体，并将多个个体集合为一个种群，同时所述种群中的所有个体均进行二进制编码后形成初始化种群；其中，每一个个体均包括N个质量配比取值mix，i=1、2、…、N，且m1x+m2x+…+mNx=100，m1x、m2x、…、mNx分别为N种组分的质量配比取值；mix为第i种组分的质量配比取值且其为自该组分的质量配比范围（mi0～miz）中随机 抽取一个数值；步骤302、初始化种群中各个体适应度值计算：初始化种群中所有个体的适应度值计算方法均相同；对于所述初始化种群中的任一个个体来说，均以利用步骤一中所建立的能量特性计算模型计算得出的该个体的比冲值作为该个体的适应度值；待所述初始化种群中所有个体的适应度值均计算出来后，再相应计算出所述初始化种群的种群平均适应度值；步骤303、选择操作：根据步骤302中计算得出的所述初始化种群中所有个体的适应度值，选出所述初始化种群中适应度值高的多个个体作为子代群体；步骤304、交叉操作与变异操作：对步骤303中选出的子代群体进行交叉操作与变异操作，获得新一代的子代群体；步骤305、子代群体中各个体适应度值计算：对步骤304中所获得的子代群体中各个体的适应度值进行计算，且所述子代群体中所有个体的适应度值计算方法均相同；对于所述子代群体中的任一个个体来说，均以利用步骤一中所建立的能量特性计算模型计算得出的该个体的比冲值作为该个体的适应度值；待所述子代群体中所有个体的适应度值均计算出来后，再相应计算出所述子代群体的种群平均适应度值；步骤306、选择操作：根据步骤305中计算得出的所述子代群体中所有个体的适应度值，选出所述子代群体中适应度值高的多个个体作为子代群体；步骤307、判断是否满足终止条件：当进化代数超过预先设定的最大进化代数itex或者子代群体中个体的最大适应度值大于或等于预先设定的适应度设定值时，遗传算法终止并输出当前所获得所述子代群体中适应度值最高的个体；否则，返回步骤304；步骤307中所输出的适应度值最高的个体，便为所设计固体推进剂的 质量配比m1、m2、…、mN。