【摘要】：在運(yùn)載火箭、航天器等的設(shè)計(jì)中,載荷的分離、太陽(yáng)能電池板等附屬物的展開(kāi)、推進(jìn)劑閥門(mén)等系統(tǒng)的激活需要通過(guò)火工爆炸沖擊裝置來(lái)實(shí)現(xiàn),由此產(chǎn)生了高頻、高幅值、持續(xù)作用時(shí)間極短的火工爆炸沖擊環(huán)境。工程上廣泛使用沖擊響應(yīng)譜(Shock Response Spectrum,簡(jiǎn)稱SRS)作為比較沖擊嚴(yán)重等級(jí)和評(píng)估沖擊環(huán)境的有效標(biāo)準(zhǔn)工具。然而,在抗沖擊設(shè)計(jì)和測(cè)試要求的標(biāo)準(zhǔn)規(guī)范中僅給出了 SRS的數(shù)值,并未同時(shí)給出相應(yīng)的加速度時(shí)域信息,后者在非線性動(dòng)力學(xué)分析與測(cè)試中是必不可少的。因此如何通過(guò)SRS合成滿足規(guī)范要求的加速度時(shí)域信息顯得十分重要。一些研究集中于解決這個(gè)問(wèn)題,但現(xiàn)有研究方法大多是在已有加速度時(shí)域測(cè)試數(shù)據(jù)分析的基礎(chǔ)上實(shí)現(xiàn)的,這在航天器設(shè)計(jì)初期缺少充足試驗(yàn)測(cè)試數(shù)據(jù)的情況下無(wú)法有效使用。如何在沒(méi)有前期充足試驗(yàn)測(cè)試時(shí)域數(shù)據(jù)的情況下合成滿足規(guī)范SRS要求的加速度時(shí)域信息,以指導(dǎo)航天器的初期設(shè)計(jì)成為工程師面臨的一個(gè)重要問(wèn)題。本文針對(duì)SRS加速度合成的相關(guān)問(wèn)題進(jìn)行研究,從SRS的計(jì)算方法、特性分析、SRS加速度時(shí)域合成方法、合成加速度所對(duì)應(yīng)SRS與目標(biāo)譜的匹配度優(yōu)化、自適應(yīng)遺傳算法的改進(jìn)等方面展開(kāi),主要工作如下:1.沖擊響應(yīng)譜的計(jì)算方法及特性分析在研讀文獻(xiàn)資料的基礎(chǔ)上,系統(tǒng)總結(jié)了沖擊響應(yīng)譜的種類及計(jì)算方法,并采用典型沖擊激勵(lì)明確了沖擊響應(yīng)譜的計(jì)算流程。針對(duì)不同類型的沖擊響應(yīng)譜表達(dá),通過(guò)典型激勵(lì)對(duì)比分析了常見(jiàn)沖擊響應(yīng)譜的特性,得到了一些具有啟發(fā)性的結(jié)論。并針對(duì)航空航天領(lǐng)域最常使用的絕對(duì)加速度沖擊響應(yīng)譜,分析了其在不同沖擊激勵(lì)作用時(shí)間、不同沖擊激勵(lì)幅值及不同沖擊激勵(lì)波形下的特性。2.應(yīng)用于爆炸沖擊響應(yīng)譜加速度時(shí)域信息合成的新方法在缺少相關(guān)試驗(yàn)測(cè)試數(shù)據(jù)的情況下,為獲取航天器結(jié)構(gòu)仿真與測(cè)試分析所需的加速度沖擊時(shí)域輸入載荷,提出一種爆炸沖擊響應(yīng)譜的加速度時(shí)域合成新方法。新方法在低頻采用小波技術(shù),在中高頻采用阻尼正弦技術(shù)。合成SRS的質(zhì)量是通過(guò)與規(guī)范目標(biāo)譜進(jìn)行比較來(lái)評(píng)估的最小值優(yōu)化問(wèn)題,繼而給出了本文待求解的最小值優(yōu)化問(wèn)題的目標(biāo)函數(shù),并選用基本遺傳算法(Genetic Algorithm,GA)來(lái)進(jìn)行優(yōu)化計(jì)算。典型算例的計(jì)算結(jié)果表明,新方法可以獲得比傳統(tǒng)方法更接近規(guī)范目標(biāo)譜的結(jié)果,顯示了新組合方法的有效性。3.交叉概率和變異概率非線性調(diào)整的改進(jìn)自適應(yīng)遺傳算法新組合加速度合成方法基于GA的優(yōu)化結(jié)果雖然比傳統(tǒng)方法更優(yōu),但由于GA采用的是固定的交叉概率(Crossover Probability,標(biāo)記為pc)和變異概率(Mutation Probability,標(biāo)記為pm)取值,得到的最終優(yōu)化結(jié)果與規(guī)范目標(biāo)譜之間仍然存在一定的差距,具有進(jìn)一步改善的空間。典型算例基于GA的優(yōu)化中,pc和pm參數(shù)靈敏度分析的結(jié)果驗(yàn)證了這兩個(gè)概率的取值對(duì)最終優(yōu)化結(jié)果影響的重要性。為進(jìn)一步提高新組合合成方法所得結(jié)果與規(guī)范目標(biāo)譜之間的匹配程度,本文采用pc和pm自適應(yīng)調(diào)整的自適應(yīng)遺傳算法(Adaptive Genetic Algorithm,AGA)對(duì)目標(biāo)函數(shù)進(jìn)行優(yōu)化求解。通過(guò)標(biāo)準(zhǔn)測(cè)試函數(shù)對(duì)比分析了典型的依目標(biāo)函數(shù)適應(yīng)度值調(diào)整pc和pm取值的AGA算法,并在此基礎(chǔ)上提出了一種新的改進(jìn)自適應(yīng)遺傳算法(Improved Adaptive Genetic Algorithm,IAGA)。本文改進(jìn)的新算法IAGA采用在平均適應(yīng)度值兩端均按照非線性方式調(diào)整pc和pm取值的策略,在標(biāo)準(zhǔn)測(cè)試函數(shù)的最小值優(yōu)化問(wèn)題中獲得了比同類的典型AGA更好的優(yōu)化結(jié)果。進(jìn)一步地,本文將改進(jìn)新算法IAGA應(yīng)用于爆炸沖擊響應(yīng)譜加速度時(shí)域合成最小值優(yōu)化問(wèn)題的求解中,結(jié)合前面提出的新組合加速度合成方法,獲得了比現(xiàn)有方法更好的結(jié)果。4.種群數(shù)目按指數(shù)方式減小的改進(jìn)自適應(yīng)遺傳算法種群數(shù)目大小是影響自適應(yīng)遺傳算法性能的關(guān)鍵參數(shù)。固定種群數(shù)目的AGA如果要提高優(yōu)化性能需要采用較大的種群數(shù)目取值,這將會(huì)導(dǎo)致計(jì)算時(shí)間的增加,使得搜索更加復(fù)雜。AGA雖然在一定程度上提高了基本GA的優(yōu)化性能,但忽略了種群數(shù)目大小對(duì)優(yōu)化結(jié)果的影響,其值在整個(gè)優(yōu)化過(guò)程中是固定的。本文提出了一種新的種群數(shù)目指數(shù)減小的策略(Exponential Population Size Reduction,簡(jiǎn)稱EPSR),利用參數(shù)b來(lái)控制種群數(shù)目減小的速度。在此基礎(chǔ)上,提出了 一種新的種群數(shù)目指數(shù)減小的自適應(yīng)遺傳算法—AGA-EPSR,該算法將AGA與EPSR策略相結(jié)合,在進(jìn)化迭代過(guò)程中種群數(shù)目呈指數(shù)方式減小。AGA-EPSR的性能通過(guò)優(yōu)化基準(zhǔn)函數(shù)來(lái)評(píng)估,結(jié)果表明,AGA-EPSR的優(yōu)化結(jié)果明顯優(yōu)于固定種群數(shù)目的AGA、GA、粒子群優(yōu)化算法和模擬退火算法。
【圖文】：

在運(yùn)載火箭、航天器等的設(shè)計(jì)中，通常會(huì)使用大量的火工爆炸沖擊裝置來(lái)實(shí)逡逑現(xiàn)航天器載荷的分離、太陽(yáng)能電池板等附屬物的展開(kāi)、推進(jìn)劑閥門(mén)等系統(tǒng)的激活逡逑等ｍ，，如圖１．１所示。逡逑．p海誨義希澹義希義希保蓿福常蓿簘楨義賢跡椋榛鴯けǔ寤髯爸玫湫陀τ緬義險(xiǎn)廡┗鴯けǔ寤髯爸每梢圓鈾俁確導(dǎo)�、频率范围极宽的圾崵爆辶x險(xiǎn)ǔ寤骰肪�，緡撳表现为尖檪R確悼篩嘰錚

本文編號(hào)：2690504