基于氣動(dòng)代理模型的雷箭分離快速仿真

聶文超, 蔡衛(wèi)軍

基于氣動(dòng)代理模型的雷箭分離快速仿真

聶文超, 蔡衛(wèi)軍

(中國船舶重工集團(tuán)有限公司 第705研究所, 陜西 西安, 710077)

由于助飛魚雷結(jié)構(gòu)布局緊湊、分離過程迅速且氣動(dòng)干擾嚴(yán)重, 導(dǎo)致雷箭分離過程容易發(fā)生相互碰撞, 因此其成為助飛魚雷研制中必須解決的一項(xiàng)關(guān)鍵技術(shù)。目前常采用試驗(yàn)和數(shù)值仿真方法解決這一問題, 但是雷箭分離過程的設(shè)計(jì)需要對(duì)多參數(shù)多工況進(jìn)行計(jì)算, 迭代尋優(yōu), 上述2種方法并不滿足大量、快速的計(jì)算要求。針對(duì)此, 文中提出了基于徑向基神經(jīng)網(wǎng)絡(luò)氣動(dòng)代理模型與虛擬樣機(jī)聯(lián)合仿真的方法。該方法通過提取影響氣動(dòng)力的關(guān)鍵因素, 利用試驗(yàn)或數(shù)值計(jì)算得到氣動(dòng)力樣本庫, 基于徑向基神經(jīng)網(wǎng)絡(luò)算法建立了氣動(dòng)代理模型, 具有良好的逼近和預(yù)測(cè)精度。聯(lián)合雷箭分離多體動(dòng)力學(xué)虛擬樣機(jī)模型, 可對(duì)雷箭分離過程進(jìn)行快速仿真及對(duì)各參數(shù)的影響規(guī)律進(jìn)行分析。

雷箭分離; 氣動(dòng)力; 徑向基神經(jīng)網(wǎng)絡(luò); 代理模型

0 引言

雷箭分離過程主要的分析方法有試驗(yàn)和數(shù)值仿真方法[2]。試驗(yàn)方法主要有捕獲軌跡系統(tǒng)(captive trajectory system, CTS)和自由飛行試驗(yàn)方法等, 通過等比或縮比模型, 嚴(yán)格模擬飛行器外型及各分離體運(yùn)動(dòng)參數(shù), 由風(fēng)洞模擬真實(shí)的飛行環(huán)境, 通過高速攝像及測(cè)量裝置對(duì)多體間的分離進(jìn)行觀測(cè), 同時(shí)對(duì)多體之間的干擾特性進(jìn)行精確測(cè)量[3-5]。但是, 試驗(yàn)方法技術(shù)復(fù)雜、成本高、周期長(zhǎng), 特殊限制下雷箭分離某些工況試驗(yàn)難于進(jìn)行。分離過程的數(shù)值仿真方法一般采用動(dòng)網(wǎng)格技術(shù)更新流體區(qū)域, 將流動(dòng)方程與多體動(dòng)力學(xué)方程耦合求解, 考慮了運(yùn)動(dòng)和流場(chǎng)的實(shí)時(shí)相互作用, 可準(zhǔn)確地模擬雷箭分離過程[6-8]。數(shù)值仿真方法針對(duì)不同工況需要重新設(shè)置網(wǎng)格模型, 過程繁瑣, 計(jì)算耗時(shí)長(zhǎng), 不能滿足多工況快速計(jì)算的要求。文中主要建立一種能夠保證仿真精度且提高仿真效率的雷箭分離過程仿真方法。

研究雷箭分離過程的關(guān)鍵在于快速準(zhǔn)確地計(jì)算氣動(dòng)力。針對(duì)雷箭分離過程的特點(diǎn), 確定了氣動(dòng)力的主要影響因素, 建立了氣動(dòng)力數(shù)據(jù)庫, 利用徑向基神經(jīng)網(wǎng)絡(luò)算法建立了“黑箱”型氣動(dòng)力代理模型[9-10], 可為雷箭分離多體動(dòng)力學(xué)模型提供氣動(dòng)力預(yù)測(cè)值, 大大降低了流體仿真計(jì)算量。針對(duì)多體動(dòng)力學(xué)數(shù)學(xué)建模方法的不足, 建立了雷箭分離過程的虛擬樣機(jī)模型, 能夠考慮氣動(dòng)力、碰撞接觸以及鉸鏈約束等復(fù)雜載荷, 提高了動(dòng)力學(xué)建模求解效率。最后建立氣動(dòng)代理模型與雷箭分離虛擬樣機(jī)模型的數(shù)據(jù)交換接口, 建立聯(lián)合仿真模型, 實(shí)現(xiàn)快速預(yù)測(cè)雷箭分離過程和分析多因素對(duì)雷箭分離的影響規(guī)律。

1 氣動(dòng)力數(shù)據(jù)庫

氣動(dòng)力數(shù)據(jù)庫是將氣動(dòng)力影響因素根據(jù)試驗(yàn)設(shè)計(jì)方法組建工況表, 利用風(fēng)洞試驗(yàn)或流體力學(xué)數(shù)值仿真, 計(jì)算各分離體在相應(yīng)工況下的氣動(dòng)力, 形成氣動(dòng)數(shù)據(jù)樣本庫。

由雷箭分離過程可知, 在不同的分離初始條件(速度、初始?xì)鈩?dòng)角或姿態(tài)角)下, 各分離體氣動(dòng)力的主要影響因素有: 分離艙張開角、魚雷與運(yùn)載器相對(duì)距離, 魚雷和運(yùn)載器的氣動(dòng)角參數(shù)(、)或姿態(tài)角參數(shù)(、、)。

為了便于描述各分離體所受氣動(dòng)力(力矩), 按照?qǐng)D1所示建立各部件體坐標(biāo)系, 戰(zhàn)斗載荷體坐標(biāo)系1-111, 原點(diǎn)1取為戰(zhàn)斗載荷質(zhì)心, 運(yùn)載器體坐標(biāo)系3-333, 原點(diǎn)3取為運(yùn)載器質(zhì)心, 左分離艙體坐標(biāo)系2-222222原點(diǎn)2取為左鉸鏈點(diǎn), 右分離艙體坐標(biāo)系4-444444原點(diǎn)4取為右鉸鏈點(diǎn),方向均取為豎直向上。

圖1 助飛魚雷坐標(biāo)系

1.1 基于定常數(shù)值仿真的數(shù)據(jù)庫

選取、、、、為輸入變量, 初步估算這些因素的變化范圍, 然后對(duì)每個(gè)因素在變化范圍內(nèi)等間隔取若干離散狀態(tài)進(jìn)行組合, 確定典型工況表, 如表1所示。通過試驗(yàn)或定常數(shù)值仿真方法, 求取相應(yīng)狀態(tài)下各分離體的氣動(dòng)力和氣動(dòng)力矩。將各分離體的氣動(dòng)力(矩)FFFMM和M由參考面積ref和參考長(zhǎng)度ref作無量綱化, 得到氣動(dòng)力系數(shù)CCCCMCM和,各分離體速度的影響由無量綱化系數(shù)表征, 具體方法如下式

1.2 基于非定常數(shù)值仿真的數(shù)據(jù)庫

基于非定常數(shù)值仿真方法, 采用重疊網(wǎng)格技術(shù), 更新流場(chǎng)區(qū)域, 基于計(jì)算流體力學(xué)(computational fluid dynamics, CFD)軟件將三維非定常N-S方程和多體六自由度運(yùn)動(dòng)方程耦合求解, 對(duì)典型工況下雷箭分離過程進(jìn)行計(jì)算, 保存計(jì)算結(jié)果數(shù)據(jù)。

表1 等間隔抽樣數(shù)據(jù)庫

選取輸入變量為:、、、、、; 選取輸出變量為: 戰(zhàn)斗載荷、分離艙和運(yùn)載器的氣動(dòng)力和力矩, 分別包括6個(gè)分量, 即:向阻力、向升力、向側(cè)力、向力矩、向力矩、向力矩。

資本是市場(chǎng)經(jīng)濟(jì)發(fā)展的基礎(chǔ)和動(dòng)力,我國從資本促進(jìn)實(shí)體經(jīng)濟(jì)發(fā)展，到資本脫實(shí)就虛，進(jìn)行杠桿運(yùn)作的發(fā)展歷程表明，資本不僅創(chuàng)造了市場(chǎng)，更創(chuàng)造了市場(chǎng)的規(guī)則與邏輯。資本市場(chǎng)發(fā)展初期以為實(shí)業(yè)提供資金，解決資金鏈難題為目的，此后金融業(yè)再借實(shí)業(yè)的發(fā)展獲取利益，雙方各取所需，互利共生。然而，就當(dāng)前的發(fā)展趨勢(shì)看，我國資本市場(chǎng)金融家越來越成為實(shí)體經(jīng)濟(jì)的威脅，甚至發(fā)展成為吞并實(shí)體經(jīng)濟(jì)的巨鱷。資本市場(chǎng)的圈錢動(dòng)機(jī)使資本決定論成為不成文的規(guī)則，惡意收購成為趨勢(shì)，而對(duì)于資本市場(chǎng)是否需要倫理性、道德性，則因利益主體的不同而各有說辭。

按照式(1)和式(2)將輸出量進(jìn)行無量綱化, 其方向按照?qǐng)D1中的分離體坐標(biāo)系方法確定, 從非定常數(shù)值計(jì)算結(jié)果中等時(shí)間間隔抽樣, 獲得上述輸入輸出樣本庫。

因?yàn)榉嵌ǔ?shù)值仿真結(jié)果中, 不同時(shí)刻下, 各分離體相對(duì)姿態(tài)變化規(guī)律反映了氣動(dòng)干擾相關(guān)信息。通過對(duì)抽樣數(shù)據(jù)進(jìn)行學(xué)習(xí), 神經(jīng)網(wǎng)絡(luò)模型可對(duì)氣動(dòng)參數(shù)進(jìn)行有效預(yù)測(cè)。

2 氣動(dòng)代理模型

2.1 徑向基神經(jīng)網(wǎng)絡(luò)

徑向基函數(shù)(radial basis function, RBF)神經(jīng)網(wǎng)絡(luò)是一個(gè)3層前向型神經(jīng)網(wǎng)絡(luò), 其輸入層由信號(hào)源節(jié)點(diǎn)組成, 第2層是由徑向基函數(shù)神經(jīng)元組成的隱含層, 隱單元的個(gè)數(shù)由所描述的問題而定, 第3層為線性輸出層, 對(duì)輸入模式做出響應(yīng)。如圖2所示。

圖2 徑向基神經(jīng)元模型

徑向基函數(shù)神經(jīng)元的傳遞函數(shù)有多種形式, 常用的是高斯函數(shù), 神經(jīng)元的輸入是由輸入向量和權(quán)值向量之間的距離乘以閾值得到, 傳遞函數(shù)可表示為

徑向基網(wǎng)絡(luò)模型的基本思想是, 選擇各隱層神經(jīng)元的傳遞函數(shù)構(gòu)成一組基函數(shù), 從而可將任一函數(shù)表示成一組基函數(shù)的加權(quán)和, 可任意逼近未知函數(shù), 其具體網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。徑向基網(wǎng)絡(luò)輸入層起傳輸信號(hào)的作用; 隱含層是對(duì)激活函數(shù)的參數(shù)進(jìn)行調(diào)整; 輸出層是對(duì)線性權(quán)值的調(diào)整, 可采用線性優(yōu)化策略。徑向基網(wǎng)絡(luò)數(shù)學(xué)模型如下

式中:為線性輸出層權(quán)值向量;為輸入層權(quán)值向量。

圖3 徑向基網(wǎng)絡(luò)模型

采用MATLAB中的函數(shù)建立具有泛化回歸特性的徑向基神經(jīng)網(wǎng)絡(luò)模型, 其調(diào)用格式為=(,,)。參數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)影響較大,值越大, 設(shè)計(jì)的網(wǎng)絡(luò)對(duì)函數(shù)擬合就越平滑,越小, 網(wǎng)絡(luò)對(duì)樣本點(diǎn)的逼近精度越高。

2.2 精度驗(yàn)證

基于MATLAB神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行徑向基網(wǎng)絡(luò)算法編程。首先針對(duì)1.1節(jié)提出的基于定常數(shù)值模型結(jié)果的數(shù)據(jù)庫利用定常數(shù)值仿真方法獲得28組離散數(shù)據(jù), 經(jīng)學(xué)習(xí)后建立徑向基神經(jīng)網(wǎng)絡(luò)模型, 以戰(zhàn)斗載荷氣動(dòng)力(力矩)輸出為例, 其預(yù)測(cè)效果如圖4所示。

針對(duì)1.2提出的非定常數(shù)值仿真結(jié)果建立數(shù)據(jù)庫的方法, 從非定常數(shù)值計(jì)算結(jié)果文件中提取520組樣本數(shù)據(jù), 選取80%樣本作為訓(xùn)練數(shù)據(jù), 其余20%數(shù)據(jù)作為測(cè)試數(shù)據(jù), 同樣以學(xué)習(xí)后戰(zhàn)斗載荷的氣動(dòng)力(力矩)輸出為例, 其預(yù)測(cè)效果如圖5所示。

由圖4和圖5可知, 徑向基神經(jīng)網(wǎng)絡(luò)對(duì)雷箭分離問題的多輸入多輸出樣本數(shù)據(jù)具有良好的逼近和預(yù)測(cè)精度。

圖4 準(zhǔn)定常測(cè)試數(shù)據(jù)預(yù)測(cè)結(jié)果

圖5 非定常測(cè)試數(shù)據(jù)預(yù)測(cè)結(jié)果

3 雷箭分離過程聯(lián)合仿真方法

以ADAMS軟件為平臺(tái)建立雷箭分離過程的虛擬樣機(jī)模型, 可以考慮接觸碰撞、氣動(dòng)力等復(fù)雜載荷, 建立檢測(cè)雷箭分離狀態(tài)的sensor傳感器, 同時(shí)建立觀測(cè)分離體運(yùn)動(dòng)姿態(tài)軌跡信息的測(cè)量函數(shù)。在Simulink中定義好輸入輸出, 建立完整的氣動(dòng)代理模型控制框圖, 通過RTW工具箱將控制框圖生成C或Fortran格式的外鏈程序。在ADAMS中, 通過Controls模塊調(diào)用外鏈程序生成廣義狀態(tài)方程。建立了代理模型和虛擬樣機(jī)之間數(shù)據(jù)交換接口, 實(shí)現(xiàn)聯(lián)合仿真。該方法使得機(jī)械系統(tǒng)動(dòng)力學(xué)方程和控制方程都由ADAMS求解器處理, 采用統(tǒng)一的積分步長(zhǎng), 同步計(jì)算, 提高了計(jì)算效率。具體仿真流程如圖6所示。

圖6 雷箭分離聯(lián)合仿真流程圖

確定仿真工況為: 助飛魚雷平飛速度假設(shè)為200 m/s, 初始姿態(tài)角、攻角和側(cè)滑角均為0。根據(jù)上述方法利用CFD計(jì)算方法對(duì)助飛魚雷進(jìn)行數(shù)值仿真, 同時(shí)利用文中基于非定常數(shù)據(jù)庫氣動(dòng)代理模型方法對(duì)雷箭分離過程進(jìn)行仿真。

CFD仿真方法由200核處理器的計(jì)算中心計(jì)算, 求解耗時(shí)10天左右, 聯(lián)合仿真方法由4核處理器計(jì)算, 求解耗時(shí)15 min左右。圖7展示了氣動(dòng)力神經(jīng)網(wǎng)絡(luò)模型與多體動(dòng)力學(xué)模型聯(lián)合求解后得到某時(shí)刻下的雷箭分離過程狀態(tài)圖。圖8是以戰(zhàn)斗載荷與運(yùn)載器間距、左右分離艙張開角為觀測(cè)量, 對(duì)分離過程的3個(gè)參數(shù)信息進(jìn)行對(duì)比。由計(jì)算結(jié)果可以看出, 文中方法結(jié)果和CFD仿真結(jié)果比較一致。文中方法計(jì)算速度快, 具有可視化的特點(diǎn)。

圖7 基于代理模型的仿真狀態(tài)圖

圖8 計(jì)算結(jié)果對(duì)比圖

4 試驗(yàn)驗(yàn)證

針對(duì)選定工況, 分別采用非定常數(shù)據(jù)庫和準(zhǔn)定常數(shù)據(jù)庫建立氣動(dòng)力代理模型, 對(duì)雷箭分離過程進(jìn)行仿真, 并選擇分離艙張開角作為觀測(cè)量, 將二者結(jié)果與雷箭分離火箭橇試驗(yàn)測(cè)量數(shù)據(jù)進(jìn)行對(duì)比。

火箭橇試驗(yàn)所用裝置如圖9所示, 試驗(yàn)時(shí)將真實(shí)尺度的助飛魚雷安裝于火箭橇滑車上, 雷體軸線與滑軌呈2.5°偏角, 以模擬側(cè)滑角=2.5°的分離條件, 由火箭推動(dòng)滑車在滑軌上加速至分離速度0.7, 試驗(yàn)過程忽略戰(zhàn)斗載荷與運(yùn)載器的姿態(tài)變化。火箭橇滑車上安裝有高速攝像機(jī), 對(duì)分離艙張開過程進(jìn)行拍攝記錄。試驗(yàn)開始前對(duì)左右分離艙從0~20°范圍中選取系列中間角度狀態(tài)進(jìn)行靜態(tài)標(biāo)定。試驗(yàn)后整理拍攝的圖像數(shù)據(jù), 并將其與靜態(tài)標(biāo)定數(shù)據(jù)進(jìn)行對(duì)比。通過數(shù)據(jù)整理獲得分離艙張開角隨時(shí)間的變化關(guān)系。

圖9 火箭橇試驗(yàn)圖

由圖10可知, 基于準(zhǔn)定常和非定常數(shù)據(jù)庫的氣動(dòng)代理模型方法能夠?qū)准蛛x過程進(jìn)行較精確的仿真, 且基于非定常數(shù)據(jù)庫的方法效果更好。由于試驗(yàn)條件限制, 分離過程中并未考慮戰(zhàn)斗載荷與運(yùn)載器的姿態(tài)變化, 因此計(jì)算數(shù)值和試驗(yàn)數(shù)值之間存在一定差異。

5 結(jié)束語

文中首先建立了雷箭分離過程中受多維變量耦合影響下的多輸入多輸出氣動(dòng)力代理模型, 建立了雷箭分離的虛擬樣機(jī)模型, 通過Simulink/ RTW生成外鏈程序, 建立代理模型與虛擬樣機(jī)者之間的數(shù)據(jù)接口, 實(shí)現(xiàn)了二者的聯(lián)合仿真。通過計(jì)算對(duì)比, 反映了文中方法相較于傳統(tǒng)CFD計(jì)算方法的計(jì)算效率高。通過試驗(yàn)對(duì)比, 該方法滿足工程應(yīng)用的精度要求。該方法適用于雷箭分離問題的多工況、大時(shí)長(zhǎng)仿真預(yù)測(cè)的計(jì)算。

圖10 分離艙張開角對(duì)比

文中采用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱建立徑向基神經(jīng)網(wǎng)絡(luò)模型, 后續(xù)可基于ADAMS二次開發(fā)語言自主開發(fā)徑向基神經(jīng)網(wǎng)絡(luò)算法, 進(jìn)一步簡(jiǎn)化聯(lián)合仿真流程。

[1] 白照高, 王鋒輝, 溫震. 助飛魚雷雷箭分離過程多體動(dòng)力學(xué)建模與仿真[J]. 魚雷技術(shù), 2013, 21(3): 171-174.Bai Zhao-gao, Wang Feng-hui, Wen Zhen. Modeling and Simulation of Multi-body Dynamic for Rocket-assisted Torpedo Separation[J]. Torpedo Technology, 2013, 21(3): 171-174.

[2] 白治寧, 蔡衛(wèi)軍, 周景軍, 等. 助飛魚雷雷箭分離多體氣動(dòng)干擾特性研究[J]. 兵工學(xué)報(bào), 2017, 38(11): 2176- 2183.Bai Zhi-ning, Cai Wei-jun, Zhou Jing-jun, et al. Research on Multi-body Aerodynamic Interference During Torpedo- rocket Separation[J]. Acta Armamentar II, 2017, 38(11): 2176-2183.

[3] 吳繼飛, 王元靖, 羅新福, 等. 高超聲速風(fēng)洞多體干擾與分離試驗(yàn)技術(shù)[J]. 實(shí)驗(yàn)流體力學(xué), 2010, 24(3): 99-102.Wu Ji-fei, Wang Yuan-jing, Luo Xin-fu, et al. A Test Technique for Multi-boby Interference and Separation in Hypersonic Wind Tunnel[J]. Journal of Experiments in Fluid Mechanics, 2010, 24(3): 99-102.

[4] 蔣增輝, 宋威, 賈區(qū)耀, 等. 多體分離風(fēng)洞自由飛試驗(yàn)[J]. 空氣動(dòng)力學(xué)學(xué)報(bào), 2016, 34(5): 581-586. Jiang Zeng-hui, Song Wei, Jia Qu-yao, et al. Wind Tunnel Free-flight Test for Multi-bodies Seperation[J]. Acta Aerodynamica Sinica, 2016, 34(5): 581-586.

[5] 彭超, 史玉杰. XX型火箭助飛魚雷雷箭分離高速風(fēng)洞試驗(yàn)測(cè)力天平研制[J]. 實(shí)驗(yàn)流體力學(xué), 2006, 20(2): 82- 84. Peng Chao, Shi Yu-jie. Balance Development of XX Torpedo Using the Rocket-boosting in the Separation Test of the Torpedo and the Rocket in High Speed Wind Tunnel[J]. Journal of Experiments in Fluid Mechanics, 2006, 20(2): 82-84.

[6] 張黃偉, 吳頌平, 王超. 級(jí)間分離氣動(dòng)力特性數(shù)值研究[J]. 戰(zhàn)術(shù)導(dǎo)彈技術(shù), 2010(3): 110-114. Zhang Huang-wei, Wu Song-ping, Wang Chao. Simulation Studies of Aerodynamic Characteristics during Stage Separation[J]. Tactical Missile Technology, 2010, (3): 110-114.

[7] 許曉平, 周洲, 范銳軍, 等. 基于動(dòng)態(tài)嵌套網(wǎng)格技術(shù)的機(jī)載武器投放研究[J]. 兵工學(xué)報(bào), 2010, 31(9): 1241- 1246. Xu Xiao-ping, Zhou Zhou, Fan Rui-jun, et al. Research on Release of Airborne Weapon Based on Dynamic Chimera Grid Technique[J]. Acta Armamentar II, 2010, 31(9): 1241-1246.

[8] 張玉東, 紀(jì)楚群. 多體分離非定常氣動(dòng)特性數(shù)值模擬[J]. 空氣動(dòng)力學(xué)學(xué)報(bào), 2006, 24(1): 1-4. Zhang Yu-dong, Ji Chu-qun. The Numerical Simulation of Unsteady Multi-body Separating Flows[J]. Acta Aerodyn- amica Sinica, 2006, 24(1): 1-4.

[9] 王博斌, 張偉偉, 葉正寅. 基于神經(jīng)網(wǎng)絡(luò)模型的動(dòng)態(tài)非線性氣動(dòng)力辨識(shí)方法[J]. 航空學(xué)報(bào), 2010, 31(7): 1380- 1388.Wang Bo-bin, Zhang Wei-wei, Ye Zheng-yin. Unsteady Nonlinear Aerodynamics Identification Based on Neural Network Model[J]. Acta Aeronautica et Astronautica Sinica, 2010, 31(7): 1380-1388.

[10] 史志偉, 王崢華, 李俊成. 徑向基神經(jīng)網(wǎng)絡(luò)在非線性非定常氣動(dòng)力建模中的應(yīng)用研究[J]. 空氣動(dòng)力學(xué)學(xué)報(bào), 2012, 30(1): 108-112. Shi Zhi-wei, Wang Zheng-hua, Li Jun-cheng. The Research of RBFNN in Modeling of Nonlinear Unsteady Aerodynamics[J]. Acta Aerodynamica Sinica, 2012, 30(1): 108-112.

Rapid Simulation on Torpedo-Rocket Separation Based on the Aerodynamic Surrogate Model

NIEWen-chao, CAI Wei-jun

(The 705 Research Institute, China Shipbuilding Industry Corporation, Xi’an 710077, China)

Due to compact structure layout of a rocket-assisted torpedo, rapid torpedo-rocket separation process, and complex aerodynamic interference, the multi-body interference is easy to occur in the separation process. In the design of the rocket-assisted torpedo, the torpedo-rocket separation technology is crucial. The torpedo-rocket separation design is an iterative optimization process for multiple parameters and operating conditions, however the existing wind tunnel test method and numerical simulation method do not satisfy the requirement of huge and fast calculation. In this paper, a co-simulation method based on the aerodynamic surrogate model and the virtual prototype model is proposed. In this method, the key factors affecting the aerodynamic force are extracted, the sample database of input and output is obtained through test or numerical calculation, and an aerodynamic surrogate model with high approximation and prediction accuracy is established using radial basis neural network. Combined with the multi-body dynamic virtual prototype model of rocket-assisted torpedo, this method can be used to quickly predict the separation process and analyze the influence of each parameter.

torpedo-rocket separation; aerodynamic force; radial basis neural network; surrogate model

TJ631.8; V211

A

2096-3920(2019)06-0688-07

10.11993/j.issn.2096-3920.2019.06.013

聶文超, 蔡衛(wèi)軍. 基于氣動(dòng)代理模型的雷箭分離快速仿真[J]. 水下無人系統(tǒng)學(xué)報(bào), 2019, 27(6): 688-694.

2019-02-19;

2019-05-16.

聶文超(1989-), 男, 在讀碩士, 研究方向?yàn)轸~雷總體技術(shù).

(責(zé)任編輯: 許 妍)