專利名稱：基于嵌套微分進(jìn)化算法的多渦環(huán)微下?lián)舯┝髂Ｐ蛥?shù)選擇方法
技術(shù)領(lǐng)域：
本發(fā)明涉及多渦環(huán)微下?lián)舯┝髂Ｐ蛥?shù)選擇方法。
背景技術(shù)：
微下?lián)舯┝魇堑涂诊L(fēng)切變的ー種，具有尺度小、出流接近地面、過程劇烈和局地災(zāi)害嚴(yán)重等特點(diǎn)，特別是當(dāng)飛行器著陸，如果遇到很強(qiáng)的逆風(fēng)到順風(fēng)切變，極易引發(fā)飛行事故。在飛行仿真中，對(duì)微下?lián)舯┝鞯慕：蛿?shù)值模擬可以檢驗(yàn)飛行器對(duì)微下?lián)舯┝鞯捻憫?yīng)， 減少危害。Woodfield和Wood最早提出的潤環(huán)原理模型是目前應(yīng)用最廣泛的ー種微下?lián)舯┝髂Ｐ?。為了使生成的微下?lián)舯┝鲌雠c實(shí)際情況更加接近，通常使用多個(gè)渦環(huán)建立微下?lián)舯┝髂Ｐ?，即多渦環(huán)微下?lián)舯┝髂Ｐ?。多渦環(huán)微下?lián)舯┝髂Ｐ陀卸嘟M渦環(huán)參數(shù)需要配置。在飛行仿真中，需要根據(jù)試驗(yàn)的具體要求生成不同的微下?lián)舯┝鲌觥Ｒ话阋晕⑾聯(lián)舯┝鲌龅哪撤N特征作為選擇模型參數(shù)的準(zhǔn)則，微下?lián)舯┝鲌龅乃脚c垂直風(fēng)速最大峰值比是評(píng)價(jià)其對(duì)飛行器危害程度的ー個(gè)特征。在微下?lián)舯┝鞯拇怪睆?qiáng)度一定的情況下，水平與垂直風(fēng)速最大峰值比直接關(guān)系到微下?lián)舯┝鲌鰧?duì)飛行器的危害程度。微分進(jìn)化DE (differential evolution)算法是一種實(shí)數(shù)編碼的基于種群進(jìn)化的全局優(yōu)化算法，它在許多優(yōu)化問題中都表現(xiàn)出優(yōu)于SA算法、GA算法和PSO算法的性能。微下?lián)舯┝鲌龅慕Ｔ陲w行仿真中具有重要意義，現(xiàn)在最常用的是基于多渦環(huán)原理的微下?lián)舯┝髂Ｐ?，模型的參?shù)直接決定了所生成微下?lián)舯┝鲌龅奶卣?。目前以水平、垂直風(fēng)速最大峰值比等于O.3為準(zhǔn)則，提出了ー種根據(jù)經(jīng)驗(yàn)公式選擇多渦環(huán)微下?lián)舯┝髂Ｐ蛥?shù)的方法。但是缺少當(dāng)水平、垂直風(fēng)速最大峰值比不等于O. 3時(shí)，相應(yīng)的模型參數(shù)選擇方法，所以目前選擇多渦環(huán)微下?lián)舯┝髂Ｐ蛥?shù)的方法在實(shí)際使用中受到限制。
發(fā)明內(nèi)容
本發(fā)明的目的是為了解決當(dāng)水平、垂直風(fēng)速最大峰值比不等于O. 3時(shí)，沒有相應(yīng)的模型參數(shù)選擇方法的問題，提供ー種基于嵌套微分進(jìn)化算法的多渦環(huán)微下?lián)舯┝髂Ｐ蛥?shù)選擇方法?；谇短孜⒎诌M(jìn)化算法的多渦環(huán)微下?lián)舯┝髂Ｐ蛥?shù)選擇方法，它包括具體步驟如下步驟一、目標(biāo)尋優(yōu)初始化隨機(jī)產(chǎn)生模型參數(shù){H，R，Γ }，其中H={HJ為各渦環(huán)對(duì)高度的集合，R={RJ為各渦環(huán)半徑的集合，Γ = {Γη}為各渦環(huán)對(duì)強(qiáng)度的集合，η為自然數(shù)；步驟ニ、中間尋優(yōu)，獲得最大垂直風(fēng)速和最大水平風(fēng)速；步驟三、計(jì)算水平、垂直風(fēng)速最大峰值比Kl ；步驟四、判斷Kl-K〈ΛΚ，Κ為預(yù)設(shè)比值，ΛΚ為誤差范圍；判斷結(jié)果為否，則執(zhí)行步驟五；判斷結(jié)果為是，則執(zhí)行步驟六；步驟五、變異產(chǎn)生新的目標(biāo)個(gè)體群，返回步驟ニ ；步驟六、得到最優(yōu)模型參數(shù)。本發(fā)明將首次引入微分進(jìn)化算法解決多渦環(huán)微下?lián)舯┝髂Ｐ蛥?shù)的選擇問題，由于多渦環(huán)微下?lián)舯┝髂Ｐ蛥?shù)選擇中存在兩個(gè)尋優(yōu)過程，將標(biāo)準(zhǔn)微分進(jìn)化算法改進(jìn)為嵌套式微分進(jìn)化算法，提出了基于嵌套微分進(jìn)化算法的多渦環(huán)微下?lián)舯┝髂Ｐ蛥?shù)選擇方法。突破了傳統(tǒng)的模型參數(shù)確定方法中對(duì)水平/垂直風(fēng)速最大峰值比的限制，傳統(tǒng)方法只能依靠經(jīng)驗(yàn)公式計(jì)算固定水平/垂直風(fēng)速最大峰值比(κ=0. 3)的模型參數(shù)，而利用本、發(fā)明可以得到任意水平/垂直風(fēng)速最大峰值比的模型參數(shù)。
圖I為本發(fā)明所述方法的流程圖，圖2為具體實(shí)施方式
三中所述步驟ニ的流程圖，圖3為現(xiàn)有技術(shù)的單渦環(huán)模型原理示意圖，圖4為現(xiàn)有技術(shù)的多渦環(huán)微下?lián)舯┝髂Ｐ驮硎疽鈭D，圖中1-1為一號(hào)渦環(huán)、1-2為二號(hào)渦環(huán)、I-η為η號(hào)渦環(huán)，2為地面；圖5為K=O. 5時(shí)微下?lián)舯┝鲌鲲L(fēng)速矢量，圖中用箭頭表示風(fēng)速矢量；圖6為K=O. 5時(shí)微下?lián)舯┝鞔怪憋L(fēng)速示意圖，圖7為K=O. 5時(shí)微下?lián)舯┝魉斤L(fēng)速示意圖。
具體實(shí)施例方式具體實(shí)施方式
一結(jié)合圖I說明本實(shí)施方式，本實(shí)施方式所述基于嵌套微分進(jìn)化算法的多渦環(huán)微下?lián)舯┝髂Ｐ蛥?shù)選擇方法，它包括具體步驟如下步驟一、目標(biāo)尋優(yōu)初始化隨機(jī)產(chǎn)生模型參數(shù){H，R，Γ }，其中H={HJ為各渦環(huán)對(duì)高度的集合，R={RJ為各渦環(huán)半徑的集合，Γ = {Γη}為各渦環(huán)對(duì)強(qiáng)度的集合，η為自然數(shù)；步驟ニ、中間尋優(yōu),獲得最大垂直風(fēng)速和最大水平風(fēng)速；步驟三、計(jì)算水平、垂直風(fēng)速最大峰值比Kl ；步驟四、判斷Kl-K〈ΛΚ，Κ為預(yù)設(shè)比值，ΛΚ為誤差范圍；判斷結(jié)果為否，則執(zhí)行步驟五；判斷結(jié)果為是，則執(zhí)行步驟六；步驟五、變異產(chǎn)生新的目標(biāo)個(gè)體群，返回步驟ニ ；步驟六、得到最優(yōu)模型參數(shù)。
具體實(shí)施方式
ニ 結(jié)合圖3和圖4說明本實(shí)施方式，本實(shí)施方式是對(duì)實(shí)施方式一所述基于嵌套微分進(jìn)化算法的多渦環(huán)微下?lián)舯┝髂Ｐ蛥?shù)選擇方法的進(jìn)ー步限定，步驟ー的隨機(jī)產(chǎn)生模型參數(shù){H，R, Γ}的具體過程是渦環(huán)原理模型利用渦環(huán)誘導(dǎo)的速度場來模擬微下?lián)舯┝鲌?。單渦環(huán)模型原理是在距離水平地面土H的高度上對(duì)稱布置兩個(gè)強(qiáng)度分別為土 Γ，半徑為R的渦環(huán)，地面上方的渦環(huán)稱為主渦環(huán)，與之対稱的渦環(huán)稱為鏡像渦環(huán)，渦環(huán)的中心處稱為渦絲。使用一對(duì)渦環(huán)誘導(dǎo)出的速度場中，垂直速度相對(duì)于水平速度強(qiáng)度偏小，因此，在虛擬試驗(yàn)中多采用多對(duì)渦環(huán)相互疊加來生成微下?lián)舯┝鲌?，即采用多渦環(huán)微下?lián)舯┝髂Ｐ汀惟`潤環(huán)對(duì)在空間任意一點(diǎn)(X，y, ζ)處的誘導(dǎo)速度Vi=[vx, vy, Vz]可由潤環(huán)的流線方程Ψ得到
權(quán)利要求
1.基于嵌套微分進(jìn)化算法的多渦環(huán)微下?lián)舯┝髂Ｐ蛥?shù)選擇方法，其特征是，它包括具體步驟如下 步驟一、目標(biāo)尋優(yōu)初始化隨機(jī)產(chǎn)生模型參數(shù){H，R，r }，其中H={Hn}為各渦環(huán)對(duì)高度的集合，R={RJ為各渦環(huán)半徑的集合，r = {rn}為各渦環(huán)對(duì)強(qiáng)度的集合，n為自然數(shù)；步驟二、中間尋優(yōu),獲得最大垂直風(fēng)速和最大水平風(fēng)速； 步驟三、計(jì)算水平、垂直風(fēng)速最大峰值比Kl ； 步驟四、判斷Kl-K〈AK，K為預(yù)設(shè)比值，AK為誤差范圍；判斷結(jié)果為否，則執(zhí)行步驟五；判斷結(jié)果為是，則執(zhí)行步驟六； 步驟五、變異產(chǎn)生新的目標(biāo)個(gè)體群，返回步驟二 ； 步驟六、得到最優(yōu)模型參數(shù)。
2.根據(jù)權(quán)利要求I所述基于嵌套微分進(jìn)化算法的多渦環(huán)微下?lián)舯┝髂Ｐ蛥?shù)選擇方法，其特征在于，步驟一的隨機(jī)產(chǎn)生模型參數(shù){H，R，r}的具體過程是 單一潤環(huán)對(duì)在空間任意一點(diǎn)(X，y, z)處的誘導(dǎo)速度Vi= [vx, vy, vz]
3.根據(jù)權(quán)利要求I所述基于嵌套微分進(jìn)化算法的多渦環(huán)微下?lián)舯┝髂Ｐ蛥?shù)選擇方法，其特征在于，步驟二中獲得最大垂直風(fēng)速和最大水平風(fēng)速的過程相同，所述獲得最大垂直風(fēng)速的具體過程為步驟二一一、初始化中間尋優(yōu)個(gè)體群(X，Y，Z)，所述每個(gè)中間個(gè)體為位置參數(shù)(X，y, z)； 步驟二一二、尋找初始化的中間尋優(yōu)個(gè)體群中的最優(yōu)中間個(gè)體，得到最大垂直風(fēng)速值max_Vi, i=0,所述最優(yōu)中間個(gè)體為(xgb, ygb, zgb)； 步驟二一三、變異產(chǎn)生新的中間個(gè)體群，i=l ； 步驟二一四、尋找該次進(jìn)化中的中間尋優(yōu)個(gè)體群中的最優(yōu)中間個(gè)體，得到最大垂直風(fēng)速值 Iiiaxji ； 步驟二一五、判斷本次獲得的最大垂直風(fēng)速值與前一次最大垂直風(fēng)速值之差是否小于誤差范圍Av: Imax^i-max^H I〈 A V,判斷結(jié)果為否，則執(zhí)行步驟二一三；判斷結(jié)果為是，則執(zhí)行步驟二一六；步驟二一六、判斷i=N，判斷結(jié)果為是，則執(zhí)行步驟二一八；判斷結(jié)果為否，則i=i+l，執(zhí)行步驟二一七； 步驟二一七、變異產(chǎn)生新的中間個(gè)體群，執(zhí)行步驟二一四； 步驟二一八、得到最大垂直風(fēng)速。
全文摘要
基于嵌套微分進(jìn)化算法的多渦環(huán)微下?lián)舯┝髂Ｐ蛥?shù)選擇方法，涉及多渦環(huán)微下?lián)舯┝髂Ｐ蛥?shù)選擇方法，它為了解決當(dāng)水平、垂直風(fēng)速最大峰值比不等于0.3時(shí)，沒有相應(yīng)的模型參數(shù)選擇方法的問題，它包括具體步驟如下步驟一、目標(biāo)尋優(yōu)初始化隨機(jī)產(chǎn)生模型參數(shù){H，R,Γ}，其中H={Hn}為各渦環(huán)對(duì)高度的集合，R={Rn}為各渦環(huán)半徑的集合，Γ＝{Γn}為各渦環(huán)對(duì)強(qiáng)度的集合；步驟二、中間尋優(yōu)，獲得最大垂直風(fēng)速和最大水平風(fēng)速；步驟三、計(jì)算水平、垂直風(fēng)速最大峰值比K1；步驟四、判斷K1-K〈ΔK；否，則執(zhí)行步驟五；是，則執(zhí)行步驟六；步驟五、變異產(chǎn)生新的目標(biāo)個(gè)體群，返回步驟二；步驟六、得到最優(yōu)模型參數(shù)。用于多渦環(huán)微下?lián)舯┝髂Ｐ蛥?shù)的選擇。
文檔編號(hào)G06F17/50GK102708246SQ201210141969
公開日2012年10月3日 申請(qǐng)日期2012年5月9日 優(yōu)先權(quán)日2012年5月9日
發(fā)明者楊京禮, 林連雷, 閆芳 申請(qǐng)人:哈爾濱工業(yè)大學(xué)