基于Kriging算法的武器站多工况结构优化方法

摘要

本发明提供了一种基于Kriging算法的武器站多工况结构优化方法，包括如下步骤：步骤一、给定支撑架弹性模量，弹箱质量，缓冲器刚度的范围；步骤二、采用拉丁超立方试验设计选取获取N组样本点；步骤三、计算炮口振动综合参数；步骤四、联合N组样本点和N个炮口振动综合参数构成初始训练样本点集；步骤五、使用遗传算法对kriging代理模型进行寻优，找出最优点及最大期望提高点；步骤六、基于双重kriging模型序列迭代优化算法对结构参数优化问题进行寻优直到收敛。步骤七、获取不同射角结构优化参数，并将各射角的最优结构参数代入到其它工况的武器站动力学模型中，寻找平均优化幅度最大的结构参数最为最终结构优化参数。

主权项

一种基于Kriging算法的武器站多工况结构优化方法，其特征在于，包括如下步骤：步骤一、给定顶置武器站支撑架弹性模量E的范围E∈[E_a,E_b]，弹箱质量m的范围m∈[m_a,m_b]，缓冲器刚度K的范围K∈[K_a,K_b]；步骤二、采用拉丁超立方试验设计选取E、m、K的值，获取N组样本点(E_i,m_i,K_i)，i＝1,2,...,N；步骤三、将顶置武器站支撑架弹性模量、弹箱质量、缓冲器刚度分别设定为E_i、m_i、K_i，对顶置武器站进行炮口扰动试验，获取高低向线速度均方值D_i(v_z)、水平向线速度均方值D_i(v_y)、高低向角位移均方值D_i(θ_z)以及水平向角位移均方值D_i(θ_y)，计算炮口振动综合参数F_iF_i＝w₁D(v_z)+w₂D(θ_z)+w₃D(v_y)+w₄D(θ_y)其中，w₁、w₂、w₃、w₄为权系数；步骤四、联合N组样本点(E_i,m_i,K_i)和N个炮口振动综合参数F_i构成初始训练样本点集，构建kriging代理模型；步骤五、使用遗传算法对kriging代理模型进行寻优，找出最优点及最大期望提高点；步骤六、将步骤五中获取的最优点及最大期望提高点两点方差最小点作为待添加的采样点，重新进行kriging代理模型寻优，直到最优点收敛；此时得到的武器站支撑架弹性模量E₀、弹箱质量m₀、缓冲器K₀即为顶置武器站结构优化参数；步骤七、重复上述步骤三至步骤五，获取射角分别为‑5°、0°、15°、30°、45°、60°时顶置武器站结构优化参数，并将各射角的最优结构参数应用到武器站中，得出平均优化幅度最大的结构参数最为最终结构优化参数。