-
文中求解高超声速再入轨迹优化问题时,共计设计
$ {V_1} $ 、$ {V_2} $ 、$ {\sigma _0} $ 三个参数,采用IWOA对进行优化,得到满足任务目标的攻角剖面和倾侧角剖面。文中进行三个仿真算例验证文中提出算法的有效性:(1)使用IWOA进行再入轨迹优化任务,验证文中算法解决再入轨迹优化问题有效性。(2)使用IWOA进行再入轨迹优化任务,并与原始SSA、PSO和WOA进行对比。(3)进行300次蒙特卡洛打靶仿真实验,验证文中算法的鲁棒性。
-
文中以全程总红外辐射最小为目标函数进行再入轨迹优化仿真实验,采用CAV-H模型进行算法验证,飞行器气动系数模型采用考虑攻角及速度幂指数多项式形式[21],飞行器参考质量907.2 kg,参考横截面积为0.484
$ {{\text{m}}^2} $ ,终端约束允许误差量分别为:$ \Delta r = $ $ 1\;000\;{\text{m}} $ ,$ \Delta S = 10{\text{km}} $ ,$ \Delta V=100\;\text{m/s} $ 。本节实验设置约束条件和设计的三个参数约束范围如表1所示。IWOA种群数量设为30,最大迭代次数为20。State Initial condition Terminal constraint Other parameters Value $ r $/km 60 25 $ {\dot{Q}}_{\text{max}} $/$ {\text{kW/}}{{\text{m}}^{-{\text{2}}}} $ 1200 $ \theta $/(°) 120 160 $ {q}_{\text{max}} $/${\text{kPa} }$ 400 $ \varphi $/(°) 40 65 $ {n}_{\text{max}} $ 6 $ V $/m·s−1 5000 1200 $ {V}_{1} $/m·s−1 $ [4\;000,4\;800] $ $ \gamma $/(°) −1 - $ {V}_{2} $/m·s−1 $ [1\;800,4\;000] $ $ \psi $/(°) 40 - $ |{\sigma _0}| $/(°) $ [0,80] $ Table 1. Simulation scene parameters
图2~图9分别展示了文中算法再入轨迹优化的结果。图2~图4分别展示了高度、经纬度和速度的变化情况,可以看出文中算法能够制导飞行器精确到达目标点,高度、速度、航程误差分别为1.13 m、1.24 m/s和73.26 m。均满足允许终端高度误差。图5所示为所得轨迹能够顺利进入阻力加速度再入走廊,表明了考虑了飞行器结构性能的前提下,飞行轨迹能够满足路径约束,确保飞行安全。图6~图7分别展示了实验场景下控制量的变化,攻角速度剖面的变化符合所设计的分段线性函数的变化;倾侧角翻转次数较少,且只有一次翻转到之后迅速趋于稳定值,证明文中所设计的倾侧角一次翻转策略的有效性,对控制系统及执行机构具有参考意义。
图8所示为再入飞行过程中飞行器表面驻点温度的变化,飞行过程中最大温度为1921.39 K。图9所示为飞行过程中三种典型红外波段辐射曲线,分析可知,飞行器跳跃滑翔过程中,弹道波谷时,温度急剧升高,辐射强度迅速增强,即辐射强度与气动热产生的温度成正比,辐射强度波峰与弹道波谷重合。初始再入时,飞行速度大,短波的辐射强度远高于中长波,飞行后期时,短波的辐射强度迅速下降,中长波辐射更为剧烈。
表2所示为该算法得到的参数优化结果,切换速度和倾侧角取值均满足算法设置的上下限范围;以短波为例,再入飞行全过程的总红外辐射强度为 29560.64
${\text{kW}}/{\text{sr}}$ 。Variable $ {V_1}$/m·s−1 $ {V}_{2} $/m·s−1 $|{\sigma _0}|$/(°) $ J(u)$/kW·sr−1 Value 4000.01 1800.21 41.48 29560.64 Table 2. Optimization results of four algorithms
综上,文中提出的基于IWOA高超声速飞行器再入轨迹优化方法能够得到一条精确且安全的满足飞行任务的轨迹,经分析知,飞行过程中,红外辐射强度峰值与弹道波谷重合,辐射强度与气动热产生的温度成正比,最大温度、最大辐射强度及总辐射强度对高超声速再入飞行器的工业设计具有参考意义。
-
以4.1节中实验参数设置为例,分别进行基于IWOA、WOA、SSA、PSO轨迹优化仿真实验,采用再入走廊方法处理路程约束,罚函数方法处理三个终端约束,将四种算法得到结果进行对比。
表3所示为四种优化算法进行仿真得到的设计参数值和目标函数值。可以发现,四种算法得到设计参数值都能够满足上下限约束,文中算法得到的目标函数值为最优,说明了文中算法的全局寻优能力更强。
Algorithms $ {V_1} $/m·s−1 $ {V_2} $/m·s−1 $|{\sigma _0}|$/(°) $J(u)$/kW·sr−1 IWOA 4000.01 1800.21 41.48 29560.64 WOA 4063.99 1951.63 45.47 34563.88 SSA 4000.52 1800.89 43.54 31268.92 PSO 4135.48 1895.52 47.94 38287.97 Table 3. Simulation results of four algorithms
图10~图12分别展示了四种算法得到高度、经纬度和速度的变化,四种优化算法的高度、速度、航程均能满足终端约束,但由图可知,IWOA算法的到的高度、速度和经纬度更接近设定的目标值,说明文中算法得到的轨迹相较于对比算法更加精确。图13展现四种算法所得轨迹均能进入再入走廊,说明四种方法得到的轨迹均能够满足路径约束,保证了再入飞行过程的安全顺利。图14~图15分别展现了攻角和倾侧角随时间的变化,控制量变化趋势均符合文中提出的轨迹优化算法框架的设计要求。
图16所示为四种算法得到的飞行器驻点温度变化情况,图17以短波为例,展现了四种算法得到再入飞行辐射曲线,可知IWOA得到的飞行轨迹温度峰值最小,对应的全程总辐射强度也最小,相较于PSO、WOA、SSA分别减小23.4%、14.5%和5.5%,符合表3中再入飞行全过程IWOA算法轨迹总红外辐射最小的结果。表4所示为四种算法的终端误差、温度峰值和辐射强度峰值的比较,可以看出文中算法结果相较于对比算法终端误差更小,温度峰值和辐射峰值更低。
Terminal errors IWOA WOA SSA PSO Altitude/km 0.077 0.84 1.12 0.74 Velocity/m·s−1 0.0086 0.24 97.56 10.50 Longitude/(°) 0.30 0.72 0.86 1.70 Latitude/(°) 0.07 0.19 0.21 0.42 Peak temperature/K 1921.37 2061.98 1977.75 2173.41 Peak radiation/${\text{kW} } \cdot {\text{s} }{ {\text{r} }^{ - 1} }$ 283.32 368.04 316.12 442.79 Table 4. Comparison of optimization results
综上,图10~图17展现了文中设计的轨迹优化算法框架,即参数化设计分段攻角剖面和倾侧角一次翻转剖面,对常见的群智能优化算法具有一定的适应性,且文中给出的IWOA具有更强的全局寻优能力,得到的再入轨迹更加精确。
-
考虑在初始条件存在扰动情况下进行再入轨迹优化实验仿真,验证文中提出轨迹优化算法的鲁棒性。参考文献[22]设置初始条件扰动数值如表5所示。实验约束设置同4.1节中实验设置,进行300次蒙特卡洛打靶实验。
Disturbance $ 3\sigma $values Altitude/m 200 Longitude/(°) 1 latitude/(°) 1 Velocity/m·s−1 100 Flight path angle/(°) 0.2 Head angle/(°) 0.2 Table 5. Disturbances in the Monte Carlo
图18~图23所示为300次的蒙特卡洛仿真实验得到的结果,由图18~图19可知,在初始六个状态量存在一定扰动的情况下,300次打靶实验得到的高度、速度能够满足终端约束误差精度,图20表明文中算法能够克服初始状态扰动带来的影响,准确到达目标点,结合表6中所示的终端速度、高度、经度、纬度误差分析,可表明文中算法能够克服初始条件扰动圆满完成打击任务。图21所示为倾侧角随速度变化情况,可知300次拉偏实验倾侧角变化能够保持一致,全部只进行了一次翻转,验证了文中提出的倾侧角一次翻转策略的有效性和稳定性。图22和图23分别展示了打靶实验得到的驻点温度和红外辐射的变化情况,结合表6所示的温度及辐射数据分析,300次蒙特卡洛实验中,温度峰值最大为2213.6 K,以短波为例的辐射峰值最大为471.73
${\text{kW}}/{\text{sr}}$ ,平均总辐射为31592.07${\text{kW}}/{\text{sr}}$ ,这些数据可为高超声速再入飞行器热防护设计、红外探测窗口结构设计甚至反高超声速飞行器探测系统的设计提供一定的参考价值。Terminal error Maximum value Average value Standard deviation Altitude/km 0.99 0.71 0.21 Velocity/m·s−1 99.99 94.88 9.68 Longitude/(°) 3.71 1.12 0.42 Latitude/(°) 1.00 0.23 0.20 Peak temerature/K 2213.60 1962.54 178.02 Peak radiation/${\text{kW} } \cdot {\text{s} }{ {\text{r} }^{ - 1} }$ 471.73 314.34 52.20 Total radiation/${\text{kW} } \cdot {\text{s} }{ {\text{r} }^{ - 1} }$ 40278.91 31592.07 3516.83 Table 6. Simulation results of the Monte Carlo
综上,文中提出的基于IWOA的高超声速飞行器全程红总外辐射最小再入轨迹优化算法,在初始状态扰动条件下能够准确完成再入任务,且具有一定的鲁棒性。
Trajectory optimization of hypersonic glide vehicle with minimum total infrared radiation (Invited)
doi: 10.3788/IRLA20220194
- Received Date: 2022-01-10
- Rev Recd Date: 2022-02-25
- Accepted Date: 2022-04-08
- Publish Date: 2022-05-06
-
Key words:
- hypersonic glide vehicle /
- reentry trajectory optimization /
- infrared radiation /
- improved whale optimization algorithm(IWOA) /
- Monte Carlo simulation
Abstract: In order to reduce the influence of aerodynamic thermal radiation generated during the reentry process of hypersonic vehicle on the performance of infrared detection window, from the perspective of trajectory optimization, a trajectory optimization algorithm of hypersonic vehicle based on improved whale optimization algorithm was proposed with the total infrared radiation of reentry flight stagnation point as the objective function. Firstly, the Whale optimization algorithm was improved by Tent chaotic map and control factor chord change. The position directivity of the algorithm was improved when the position was updated, and the global search ability of the algorithm was enhanced. At the same time, the reentry trajectory optimization problem was transformed into the parameter optimization problem of the control profile, and a one-time reversal strategy of the inclination angle was proposed. The Planck formula was used to calculate the infrared radiation of the stagnation point, and the objective function was designed. The resistance acceleration was used to enter the corridor to deal with the path constraint. The penalty function method was used to combine the terminal constraint with the objective function. Finally, the improved Whale optimization algorithm was used to optimize the parameters of the designed control profile to obtain the optimal solution of the objective function. The simulation results showed that the improved whale algorithm can effectively complete the reentry trajectory optimization task with the minimum total infrared radiation, and has strong global search ability and good robustness.