本發(fā)明屬于武器站
技術(shù)領(lǐng)域：
，特別涉及一種基于改進(jìn)Kriging算法的頂置武器站結(jié)構(gòu)優(yōu)化方法。
背景技術(shù)：
：火炮發(fā)射時(shí)，火藥燃燒產(chǎn)生的瞬時(shí)高溫、高壓推動(dòng)彈丸在膛內(nèi)高速運(yùn)動(dòng)，加之火炮的慣性作用，使火炮產(chǎn)生劇烈振動(dòng)，導(dǎo)致炮口指向發(fā)生變化，嚴(yán)重影響射擊精度。研究火炮發(fā)射的炮口擾動(dòng)及其變化規(guī)律，對(duì)于評(píng)價(jià)和考核火炮性能、鑒定火炮生產(chǎn)質(zhì)量、提高火炮射擊精度具有重要的理論意義。通過對(duì)頂置武器站結(jié)構(gòu)參數(shù)進(jìn)行優(yōu)化使炮口擾動(dòng)最小。技術(shù)實(shí)現(xiàn)要素：本發(fā)明設(shè)計(jì)開發(fā)了一種基于改進(jìn)Kriging算法的頂置武器站結(jié)構(gòu)優(yōu)化方法，通過對(duì)結(jié)構(gòu)參數(shù)的優(yōu)化，解決了炮口擾動(dòng)量大影響射擊精度的問題。本發(fā)明提供的技術(shù)方案為：一種基于改進(jìn)Kriging算法的頂置武器站結(jié)構(gòu)優(yōu)化方法，包括如下步驟：步驟一、給定頂置武器站支撐架彈性模量E的范圍E∈[Ea,Eb]，彈箱質(zhì)量m的范圍m∈[ma,mb]，緩沖器剛度K的范圍K∈[Ka,Kb]；步驟二、采用拉丁超立方試驗(yàn)設(shè)計(jì)選取E、m、K的值，獲取N組樣本點(diǎn)(Ei,mi,Ki)，i＝1,2,...,N；步驟三、將頂置武器站支撐架彈性模量、彈箱質(zhì)量、緩沖器剛度分別設(shè)定為Ei、mi、Ki，對(duì)頂置武器站進(jìn)行炮口擾動(dòng)試驗(yàn)，獲取高低向線速度均方值Di(vz)、水平向線速度均方值Di(vy)、高低向角位移均方值Di(θz)以及水平向角位移均方值Di(θy)，計(jì)算炮口振動(dòng)綜合參數(shù)FiFi＝w1D(vz)+w2D(θz)+w3D(vy)+w4D(θy)其中，w1、w2、w3、w4為權(quán)系數(shù)；步驟四、聯(lián)合N組樣本點(diǎn)(Ei,mi,Ki)和N個(gè)炮口振動(dòng)綜合參數(shù)Fi構(gòu)成初始訓(xùn)練樣本點(diǎn)集，構(gòu)建kriging代理模型；步驟五、使用遺傳算法對(duì)kriging代理模型進(jìn)行尋優(yōu)，找出最優(yōu)點(diǎn)及最大期望提高點(diǎn)；步驟六、將步驟五中獲取的最優(yōu)點(diǎn)及最大期望提高點(diǎn)兩點(diǎn)方差最小點(diǎn)作為待添加的采樣點(diǎn)，重新進(jìn)行kriging代理模型尋優(yōu)，直到最優(yōu)點(diǎn)收斂；此時(shí)得到的武器站支撐架彈性模量E0、彈箱質(zhì)量m0、緩沖器K0即為頂置武器站結(jié)構(gòu)優(yōu)化參數(shù)。優(yōu)選的是，步驟三中，w1＝w3＝1，w2＝w4＝10。優(yōu)選的是，步驟六中，收斂準(zhǔn)則為：y^mink+1-y^minky^mink≤1%]]>其中，分別為第k代、第k+1代kriging模型的最優(yōu)值。優(yōu)選的是，步驟二中，使用拉丁超立方試驗(yàn)提取35組樣本點(diǎn)。步驟五中遺傳算法種群數(shù)量為44，交叉概率為0.7，變異概率為0.05，收斂閥值為0.001。優(yōu)選的是，支撐架彈性模量E的范圍E∈[1.5,2.5]。優(yōu)選的是，彈箱質(zhì)量m的范圍m∈[50,130]。優(yōu)選的是，緩沖器剛度K的范圍K∈[500,750]。本發(fā)明的有益效果是：本發(fā)明提供了一種基于改進(jìn)Kriging算法的頂置武器站結(jié)構(gòu)優(yōu)化方法，通過對(duì)支撐架彈性模量、彈箱質(zhì)量、緩沖器剛度的優(yōu)化設(shè)計(jì)，使炮口擾動(dòng)量最小。附圖說明圖1為本發(fā)明所述的基于改進(jìn)Kriging算法的頂置武器站結(jié)構(gòu)優(yōu)化方法流程圖。具體實(shí)施方式下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的詳細(xì)說明，以令本領(lǐng)域技術(shù)人員參照說明書文字能夠據(jù)以實(shí)施。如圖1所示，本發(fā)明提供了一種基于改進(jìn)Kriging算法的頂置武器站結(jié)構(gòu)優(yōu)化方法，包括以下步驟：步驟一：選擇支撐架彈性模量E、彈箱質(zhì)量m、緩沖器剛度K這三個(gè)結(jié)構(gòu)參數(shù)作為優(yōu)化問題的設(shè)計(jì)變量，這三個(gè)參數(shù)的取值范圍圖表1所示：表1步驟二：采用拉丁超立方試驗(yàn)設(shè)計(jì)選取E、m、K的值，獲取35組樣本點(diǎn)(Ei,mi,Ki)，i＝1,2,...,35。步驟三、將頂置武器站支撐架彈性模量、彈箱質(zhì)量、緩沖器剛度分別設(shè)定為Ei、mi、Ki，對(duì)頂置武器站進(jìn)行炮口擾動(dòng)試驗(yàn)，獲取高低向線速度均方值Di(vz)、水平向線速度均方值Di(vy)、高低向角位移均方值Di(θz)以及水平向角位移均方值Di(θy)，計(jì)算炮口振動(dòng)綜合函數(shù)minF＝min(w1D(vz)+w2D(θz)+w3D(vy)+w4D(θy))其中，w1、w2、w3、w4為權(quán)系數(shù)，作用是對(duì)振動(dòng)參量的量綱進(jìn)行統(tǒng)一，取值為：w1＝w3＝1，w2＝w4＝10。步驟四：生成初始訓(xùn)練樣本空間。將35組樣本點(diǎn)(Ei,mi,Ki)，i＝1,2,...,35連同炮口振動(dòng)綜合參數(shù)生成初始訓(xùn)練樣本空間，部分樣本空間如表2所示表2步驟五：在初始訓(xùn)練樣本空間的基礎(chǔ)上，利用Matlab中的“DACE”工具箱構(gòu)造第一代kriging模型，回歸函數(shù)選擇二元二次多項(xiàng)式，相關(guān)函數(shù)選擇高斯函數(shù)，并考慮各向異性作用，對(duì)每個(gè)設(shè)計(jì)變量單獨(dú)賦予θ值，范圍取[0.1,20]，初始值統(tǒng)一設(shè)置為10。選擇遺傳算法作為優(yōu)化算法，設(shè)置種群數(shù)量為44，交叉概率為0.7，變異概率為0.05，收斂閥值為0.001。kriging代理模型本質(zhì)上是一種基于統(tǒng)計(jì)理論的近似模型[139]，其有效性及精確性受隨機(jī)誤差的影響小。kriging代理模型在對(duì)未知點(diǎn)進(jìn)行預(yù)測(cè)時(shí)，需要借助周圍已知采樣點(diǎn)的信息，通過對(duì)該信息進(jìn)行加權(quán)組合來估計(jì)未知點(diǎn)，加權(quán)方法則根據(jù)最小化估計(jì)值誤差的方差來確定，因此，可以認(rèn)為kriging模型是最優(yōu)的線性無偏估計(jì)。kriging作為一種半?yún)?shù)化的近似模型，由線性回歸部分和非參數(shù)部分組成：式中，F(xiàn)(β,x)為回歸部分，由一系列x的多項(xiàng)式及回歸系數(shù)β來共同決定：F(β,x)=β1f1(x)+β2f2(x)+...+βpfp(x)=[β1β2...βn]f1(x)f2(x)···fn(x)=f(x)Tβ]]>在插值過程中F(β,x)提供全局近似，且x的多項(xiàng)式形式可以選擇為0階、1階或2階。z(x)為非參數(shù)部分，在插值過程中提供局部偏差的近似，具有以下統(tǒng)計(jì)特性：E(zi(x))=0Var(zi(x))=δi2Cov[z(xi),z(xj)]=δ2R[xi,xj,θ]]]>式中，E為期望，Var為方差，Cov為協(xié)方差，R為相關(guān)函數(shù)，θ為相關(guān)向量。假設(shè)一組已知的包含n個(gè)設(shè)計(jì)變量個(gè)數(shù)的樣本點(diǎn)集為X＝[x1,x2,…,xn]T,其相應(yīng)的函數(shù)值為為Y＝[y1,y2,…,yn]T，則采用kriging進(jìn)行插值后，對(duì)任意一個(gè)未知點(diǎn)響應(yīng)值的估計(jì)為：式中，c為插值系數(shù)。代理模型的估計(jì)誤差為：式中，F(xiàn)＝[f1,f2,…,fn]T，，Z＝[z1,z2,…,zn]T。為了保證估計(jì)結(jié)果的無偏性，需要使上述估計(jì)誤差的期望為0：即有：FTc-f(x)＝0此時(shí)，估計(jì)值的均方差為：式中，R=R(θ,xi,xj),(i,j=1,2,...,n)r(x)=[R(θ,s,x1),R(θ,s,x2),...,R(θ,s,xn)]T]]>kriging模型要求最小，因此系數(shù)c可通過建立最小化均方差優(yōu)化模型來求解得出：引入拉格朗日乘子得：L(c,λ)＝σ2(1+cTRc-2cTr)-λT(FTc-f(x))上式關(guān)于c的梯度為：∂(L(c,λ))∂c=2σ2(Rc-r)-Fλ]]>結(jié)合約束條件可得系統(tǒng)方程為：RFFT0cλ~=rf]]>可以進(jìn)一步推導(dǎo)出：c=R-1(r-Fλ~)λ~=-λ2σ2=(FTR-1F)-1(FTR-1r-f)]]>將上式代入得：對(duì)數(shù)形式的參數(shù)估計(jì)極大似然函數(shù)為：Ln(β,σ2,θ)=-12[nln(2π)+nlnσ2+ln|R|+1σ2(y-Fβ)TR-1(y-Fβ)]]]>當(dāng)θ初始值給定后，將極大似然函數(shù)分別對(duì)β和σ2求導(dǎo)數(shù)，并令其等于0，則可以得到兩個(gè)參數(shù)的極大似然估計(jì)為：此時(shí)，kriging對(duì)未知點(diǎn)的估計(jì)即為最優(yōu)線性無偏估計(jì)：步驟六：依據(jù)上述初始條件，基于雙重kriging模型序列迭代優(yōu)化算法對(duì)武器站結(jié)構(gòu)參數(shù)優(yōu)化問題進(jìn)行尋優(yōu)，收斂準(zhǔn)則為：y^mink+1-y^minky^mink≤1%]]>式中，分別為第k代、第k+1代kriging模型的最優(yōu)值。結(jié)果如表3、表4所示，其中x1、x2、x3分別對(duì)應(yīng)支撐架彈性模量、彈箱質(zhì)量以及緩沖器剛度。表3表4由特征點(diǎn)歷史可知，在武器站炮口振動(dòng)優(yōu)化問題的尋優(yōu)過程中，最優(yōu)值并不是一味地變小，而是在-40至40間來回波動(dòng)，導(dǎo)致該現(xiàn)象的原因在于擬合出的kriging代理模型具有若干個(gè)相近的極小值點(diǎn)，當(dāng)本輪kriging模型搜索到的最優(yōu)點(diǎn)經(jīng)加點(diǎn)提高準(zhǔn)確度后，另一個(gè)相近的極小值點(diǎn)凸顯出來，成為下一輪kriging模型的最優(yōu)點(diǎn)，如此反復(fù)尋優(yōu)、加點(diǎn)，一直到該若干個(gè)極小值點(diǎn)被“填平”、全局最優(yōu)點(diǎn)留存下來為止。從表3、表4可知，整個(gè)優(yōu)化過程經(jīng)歷了26輪kriging模型的更新，總共加點(diǎn)26個(gè)，最終收斂的全局最優(yōu)值為1.965，相比起初始值，目標(biāo)函數(shù)優(yōu)化幅度為24.7％，對(duì)應(yīng)的結(jié)構(gòu)參數(shù)最優(yōu)解為：支撐架彈性模量為1.913GPa、彈箱質(zhì)量為122.506kg、緩沖器剛度615.69N/mm。盡管本發(fā)明的實(shí)施方案已公開如上，但其并不僅僅限于說明書和實(shí)施方式中所列運(yùn)用，它完全可以被適用于各種適合本發(fā)明的領(lǐng)域，對(duì)于熟悉本領(lǐng)域的人員而言，可容易地實(shí)現(xiàn)另外的修改，因此在不背離權(quán)利要求及等同范圍所限定的一般概念下，本發(fā)明并不限于特定的細(xì)節(jié)和這里示出與描述的圖例。當(dāng)前第1頁1 2 3