(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110531708.X (22)申请日 2021.05.17 (65)同一申请的已公布的文献号 申请公布号 CN 113283164 A (43)申请公布日 2021.08.20 (73)专利权人 北京航空航天大 学 地址 100191 北京市海淀区学院路37号 专利权人 北京电子 工程总体 研究所 (72)发明人 宋晓　龚开奇　魏宏夔　李勇　 禹航　李嘉玮　周军华　 (74)专利代理 机构 北京东方盛凡知识产权代理 事务所(普通 合伙) 11562 专利代理师 张雪 (51)Int.Cl. G06F 30/27(2020.01)G06F 30/15(2020.01) G06N 3/12(2006.01) (56)对比文件 CN 112115544 A,2020.12.2 2 CN 112082552 A,2020.12.15 CN 110826288 A,2020.02.21 CN 111103795 A,2020.0 5.05 US 2011208375 A1,201 1.08.25 鲜勇等.基 于改进遗传算法的最优精度飞行 程序角设计方法. 《四川兵工学报》 .2013,(第01 期), 审查员 邱爽 (54)发明名称 一种基于遗传算法的飞行器无动力段性能 优化方法 (57)摘要 本发明公开一种基于遗传算法的飞行器无 动力段性能优化方法， 包括以下步骤： S1.建立飞 行器无动力段的动力学方程； S2.基于动力学方 程通过仿真遍历全程恒定攻角序列， 获取飞行器 的最佳恒定攻角值； S3.基于全程恒定攻角序列 获取若干个染色体， 完成随机初始化种群； S4.将 初始化种群作为父代种群进行选择、 交叉、 变异， 得到子代种群， 进而得到最优解， 并不断迭代更 新父代种群和最优解记录， 迭代结束后， 得到近 似最优解； S5.基于近似最优解， 对攻角序列末段 进行局部迭代寻优， 得到更优解， 并与最佳恒定 攻角进行对比。 本发明显著提升了飞行器无动力 段的最大航程， 以遗传算法为代表的智能算法在 求解复杂非线性工程问题时具有显著优势。 权利要求书2页 说明书6页 附图4页 CN 113283164 B 2022.07.22 CN 113283164 B 1.一种基于 遗传算法的飞行器无动力段性能优化方法， 其特 征在于， 包括以下步骤： S1.建立飞行器无动力段的动力学 方程； S2.基于所述动力学方程通过仿真循环遍历全程恒定攻角序列， 获取飞行器的最佳恒 定攻角值； S3.基于所述全程恒定攻角序列获取若干个染色体， 完成随机初始化种群； S4.将所述初始化种群作 为父代种群进行选择、 交叉、 变异， 得到子代种群， 基于所述子 代种群得到最优解， 并不断迭代更新所述父代种群和所述最优解记录， 迭代结束后， 得到近 似最优解； S5.基于所述近似最优解， 对攻角序列的最后一段进行局部迭代寻优， 得到更优解， 并 与最佳恒定攻角进行对比， 所述更优解 为飞行器无动力段的最佳恒定攻角； 采用6段取值方法生成染色体； 所述S3随机初始化种群的具体步骤为： S3.1、 生成十进制染色体； 通过随机函数构造6个范围在第一预设角度范围之间的随机数， 每个数代表不同预设 时间范围内的攻角取值， 生成十进制染色体； S3.2、 生成二进制染色体； 将所述十进制染色体中产生的6个随机数都分别转换为5位二进制数， 并按顺序拼接到 一起， 生成二进制染色体， 所述 二进制染色体中每 个二进制位 点代表一个基因； S3.3、 计算 适应度及优先级概 率； 将每条所述二进制 染色体的二进制攻角序列输入仿真平台， 求得对应的航程， 并计算 所述二进制染色体的适应度， 基于所述适应度， 计算每条染色体的优 先级概率； 所述二进制 染色体的适应度fitnes s计算公式为： 其中， distance为 航程， ideal_distance为常数； S3.4、 生成初始化种群； 重复所述S3.1 ‑S3.3， 并将生成的所述 二进制染色体组成所述初始化种群； 所述S4近似最优解的具体获取步骤为： S4.1、“轮盘赌”选择； 基于所述优先级概率， 采用 “轮盘赌”作为选择方式， 从所述父代种群中选择一个个体 作为杂交的父亲个体， 再利用所述 “轮盘赌”从所述父代种群中选择另一个不同个体作为杂 交的母亲个 体； S4.2、 交换交叉； 二进制染色体具体的交叉 过程为： 在二进制染色体的长度范围内随机产生两个杂交点Cross1、 Cross2， Cross1<Cross2， 将所述父亲个体和所述母亲个体中的基因位点进行交换， 所述基因位点位于Cross1到 Cross2之间， 得到2个子代个 体， 重复所述S4.2， 由生成的子代个 体组成所述子代种群； S4.3、 概率变异； 在第二预设角度范围之间随机生成随机数， 并设定变异概率阈值， 若所述随机数小于权　利　要　求　书 1/2 页 2 CN 113283164 B 2所述变异概率阀值， 则进行变异， 重复所述S4.3， 将所述子代种群进行概率变异， 生成新的 子代种群； S4.4、 更新父代种群； 采用所述新的子代种群更新所述父代种群， 并重新计算评估更新后的父代种群中的最 佳个体， 若 更新后的父代种群的最佳个体优于记录的所述最优解， 则更新所述最优解记录， 设置迭代次数阈值， 并重复S4.1 ‑S4.4， 直到 达到所述迭代次数阈值， 得到所述近似最优解。 2.根据权利要求1所述的一种基于遗传算法的飞行器无动力段性能优化方法， 其特征 在于， 所述S1在速度坐标系下的动力学 方程为： 其中， ax、 ay， 分别为速度系下x、 y轴方向上的加速度大小； X、 Y分别为飞行器机体系下x、 y轴方向上的气动力 大小； α、 θ、 η分别为飞行器攻角 、 飞行器速度角、 飞行器质心 ‑地心角； g 为重力加速度大小。 3.根据权利要求1所述的一种基于遗传算法的飞行器无动力段性能优化方法， 其特征 在于， 所述S2中仿真的具体过程为： 选取攻角在预设角度范围之间的整数值组成所述全程 恒定攻角序列， 将对应攻角输入仿 真平台， 得到各攻角下对应的航程， 进而获得所述最佳恒 定攻角值。 4.根据权利要求1所述的一种基于遗传算法的飞行器无动力段性能优化方法， 其特征 在于， 所述S4.3的所述概率变异的具体过程为： 在第三预设角度范围之间随机产生2个变异 点， 将每条所述二进制染色体中的若干个数值作为一个基因段， 则所述概率变异过程即为 交换6个所述基因段的2个所述变异点。 5.根据权利要求1所述的一种基于遗传算法的飞行器无动力段性能优化方法， 其特征 在于， 所述S5的局部迭代寻优 采用遗传算法。 6.根据权利要求5所述的一种基于遗传算法的飞行器无动力段性能优化方法， 其特征 在于， 所述局部迭代寻优的具体过程为： 保留所述近似最优解的前若干个基因段， 重新构建 所述攻角序列， 得到所述更优解。权　利　要　求　书 2/2 页 3 CN 113283164 B 3