水下航行器動力系統(tǒng)裝配質(zhì)量量化評估及優(yōu)化?

許則富

（中國船舶重工集團公司七五○試驗場 昆明 650051）

1 引言

水下航行器是一種航行于水下的航行體，主要包括魚雷、水下無人探測器、蛙人運載器等，它能夠完成水下勘探、偵測以及對敵攻擊等任務(wù)。以魚雷為例，該類水下航行器通過艦艇、潛艇、飛機上發(fā)射，在水中能夠自動航行、自主導(dǎo)航控制和目標攻擊的水下航行裝置，水下航行器在水中航行的動力裝置主要分為熱動力裝置和電動力裝置兩大類，通過燃料或者電池為發(fā)動機提供動力輸出，實現(xiàn)水下自主航行［2］。因此，水下航行器的動力系統(tǒng)是保障航行器的續(xù)航能力和生存周期的關(guān)鍵，在水下航行器的動力系統(tǒng)裝配中，對其質(zhì)量優(yōu)化控制和量化評估，能根本上保證水下航行器動力系統(tǒng)的質(zhì)量優(yōu)化，從而提高魚雷、無人潛航器等水下航行器的發(fā)動機質(zhì)量水平，研究相關(guān)的動力系統(tǒng)裝配質(zhì)量量化評估和優(yōu)化方法受到人們的極大關(guān)注［2］。

對水下航行器動力系統(tǒng)裝配質(zhì)量量化評估方法研究是建立在對動力系統(tǒng)的質(zhì)量量化評估約束指標參量構(gòu)建基礎(chǔ)上的，采用質(zhì)量最優(yōu)為控制目標函數(shù)，結(jié)合成本和效益等參數(shù)指標進行優(yōu)化求解，從而提高裝配質(zhì)量［3］，根據(jù)上述原理，相關(guān)文獻進行了裝配質(zhì)量優(yōu)化方法研究，并取得了一定的研究成果，其中，文獻［4］中提出一種基于均衡博弈控制的電機裝配質(zhì)量量化評估方法，把影響電機裝配質(zhì)量的機械費、材料費等不定因素納入考慮范圍，以電機輸出功率最優(yōu)和效率最高為約束目標泛函，采用博弈均衡算法進行全局尋優(yōu)，改善了裝配質(zhì)量的優(yōu)化過程控制，但該方法計算開銷過大，且裝配質(zhì)量的輸入?yún)⒘看嬖诜蔷€性特征時，容易陷入具有優(yōu)化解；文獻［5］中提出一種基于主成分分析的動力系統(tǒng)裝配質(zhì)量量化評估方法，優(yōu)化參數(shù)選取發(fā)動機系統(tǒng)的定子軛厚和永磁體厚度，結(jié)合主成分分析方法進行裝配質(zhì)量的最優(yōu)控制參數(shù)求解，提高裝配質(zhì)量的量化評估準確性，該方法存在計算開銷過程，不能有效解決裝配質(zhì)量控制的非線性等問題。

針對上述問題，本文提出一種基于粒子群進化尋優(yōu)的裝配質(zhì)量量化評估及優(yōu)化方法。首先構(gòu)建水下航行器發(fā)動機動力系統(tǒng)裝配質(zhì)量優(yōu)化的約束指標模型，采用支持向量機模型進行動力系統(tǒng)裝配質(zhì)量的自適應(yīng)量化特征分解，然后進行裝配質(zhì)量控制目標函數(shù)的粒子群優(yōu)化求解，最后進行仿真實驗分析，展示了本文方法在提高水下航行器動力系統(tǒng)裝配質(zhì)量方面的優(yōu)越性能。

2 水下航行器動力系統(tǒng)裝配結(jié)構(gòu)組成及約束參量分析

2.1 水下航行器動力系統(tǒng)裝配結(jié)構(gòu)組成

為了實現(xiàn)水下航行器動力系統(tǒng)裝配質(zhì)量量化評估及優(yōu)化求解，需要首先分析水下航行器動力系統(tǒng)的結(jié)構(gòu)構(gòu)成并進行相關(guān)參量的解算，建立幾何參數(shù)和目標函數(shù)的表達式，首先分析水下航行器動力系統(tǒng)的材料屬性，材料采用永磁體構(gòu)成，材料成本的主要約束參量為槽滿率kf，永磁體剩余磁密Br以及定/轉(zhuǎn)子鐵芯的磁密等，根據(jù)發(fā)動機的輸出功率P、電磁轉(zhuǎn)矩等Tem和額定旋轉(zhuǎn)角速度ωr，令發(fā)動機的額定繞組為l=ls，定/轉(zhuǎn)子軸向長度r=rr+lg，以及電磁損耗NI=AwJcukf，B的磁場中通過電流為I時，導(dǎo)體所受的力為：f=Il×B。在旋轉(zhuǎn)運動中，N個與磁場垂直的導(dǎo)體中，在距離旋轉(zhuǎn)中心距離為r處的轉(zhuǎn)矩為T=NILBr。依據(jù)洛倫茲法則，定義水下航行器動力系統(tǒng)的剩余磁密：Aw=πl(wèi)w(2rr+2lg+lw)?？梢?，在水下航行器的動力系統(tǒng)裝配參量優(yōu)化中，主要的優(yōu)化參數(shù)包括：極對數(shù)P，粗糙系數(shù)β，磁極厚度lm，為了降低發(fā)動機裝配過程中不確定開銷，在對發(fā)動機限定最大轉(zhuǎn)速的條件下，發(fā)動機的動力傳動輸出增益為

其中kc是由發(fā)動機的耦合電磁場決定的修正系數(shù)，表示發(fā)動機實際運行的線圈與總線圈之比（比如kc=2/3），根據(jù)非線性反饋控制方法，得到發(fā)動機的定/轉(zhuǎn)子鐵芯的厚度為

其中Fm為每極磁動勢，Ag為永磁體的面積，?為繞組，考慮到漏磁系數(shù)的作用，可以估算水下航行器動力系統(tǒng)的電機材料成本、繞組、定/轉(zhuǎn)子鐵芯的厚度分別為

其中真空磁導(dǎo)率μ0=4π×10-7H/m，μr1和μr2為水下航行器發(fā)動機永磁體和磁導(dǎo)率。假設(shè)μr1和μr2為1，則得到單位磁場下瞬間跨度：

最后，考慮到發(fā)動機在裝配過程中的漏磁系數(shù)k1和實際跨距系數(shù)kβ，得到在優(yōu)化裝配控制下的輸出轉(zhuǎn)矩可以表示為

其中α為鐵芯最大磁密，近似為

其中ks＜1，δ為經(jīng)驗值。根據(jù)上述水下航行器動力系統(tǒng)裝配結(jié)構(gòu)組成分析，對影響發(fā)動機裝配質(zhì)量的參數(shù)進行優(yōu)化求解［6］，為進行裝配質(zhì)量的量化評估提供準確的數(shù)據(jù)輸入基礎(chǔ)。

2.2 裝配質(zhì)量量化評估約束參量求解

根據(jù)上述分析的水下航行器動力系統(tǒng)的結(jié)構(gòu)組成和裝配參數(shù)分析，對電磁力、功率損耗和效率等相關(guān)參數(shù)解算。水下航行器的動力裝置輸出產(chǎn)生 的 電 壓E=vl×B。 令v=rωr，r=rr+lg，B=kβk1Bg，l=lskfkcAw/Ac，考慮到磁損耗，則動力裝置的功率損失為

其中ωr為磁密的慣性傳導(dǎo)系數(shù)，Ac為電磁轉(zhuǎn)矩。航行器的動力系統(tǒng)的輸出電流可以表示為I=AcJcu，裝配控制端電壓為：V=E+RI，其中R為轉(zhuǎn)子的材料損耗，因此：

其中ρ為導(dǎo)線電阻率，ket=1+πγ(rr+lg+lw)/(pls)，表示轉(zhuǎn)子鐵芯相對靜止狀態(tài)下的磁密修正系數(shù)，γ為線圈裝配的跨度系數(shù)，1代表整距繞組。在對發(fā)動機整機裝配過程中，輸入功率P=VI與Ac無關(guān)，由此可以估算功率損耗，在線性約束指標參量體系下，通過主成分分析，得到發(fā)動機裝配的消耗時間常數(shù)，考慮影響發(fā)動機輸出效率的繞組的自感為

在自感中計入互感，為了使得發(fā)動機的功率增益提高，將自感放大4/3倍，此時電機的輸出轉(zhuǎn)矩為

因此Ac可以在電壓和電流之間折中選取，動力裝置的定子鐵芯最大磁密為

3 裝配質(zhì)量的量化評估實現(xiàn)及優(yōu)化

3.1 支持向量機建模

在上述分析水下航行器動力系統(tǒng)的結(jié)構(gòu)組成，并對電磁力、功率損耗和效率等相關(guān)參數(shù)解算的基礎(chǔ)上，進行水下航行器動力系統(tǒng)裝配質(zhì)量量化評估優(yōu)化設(shè)計，本文提出一種基于粒子群進化尋優(yōu)的裝配質(zhì)量量化評估及優(yōu)化方法，采用支持向量機模型進行動力系統(tǒng)裝配質(zhì)量指標參數(shù)自適應(yīng)量化特征分解，支持向量機模型采用發(fā)動機裝配質(zhì)量最優(yōu)為控制目標函數(shù)進行樣本訓(xùn)練，具有泛化能力強、求解速度快的優(yōu)點［8］，假設(shè)水下航行器動力系統(tǒng)裝配質(zhì)量訓(xùn)練集T={(xi，yi)}，i=1，2，...，n，根據(jù)SVR原理［9］，得到裝配質(zhì)量的優(yōu)化控制回歸函數(shù)為y=f(x)=aT·x+b，其中xi∈Rd是輸入的體積/重量、堅固程度指標向量，通過f（x）來推斷任一輸入x對應(yīng)的y的值，引入松弛變量ξi和ξi*，懲罰參數(shù)C，得到水下航行器動力系統(tǒng)裝配質(zhì)量控制的支持向量機回歸控制模型：

其中C＞0，根據(jù)支持向量機模型進行動力系統(tǒng)裝配質(zhì)量指標參數(shù)自適應(yīng)量化特征分解［10］，得到裝配質(zhì)量量化控制目標函數(shù)表示為

其中wp，wv，wc為權(quán)重系數(shù)，P1=Pcu+Ph+Pe+Pb+Pw為發(fā)動機的材料成本、機械損耗與功率損耗之和，Vt為發(fā)動機的體積。

3.2 粒子群優(yōu)化算法

采用模糊聚類算法進行裝配質(zhì)量約束指標系數(shù)的屬性分類處理，得到裝配質(zhì)量約束指標的聚類輸出為

考慮到粒子在當前最優(yōu)解Pg的徑向基核函數(shù)（RBF核），通過粒子位置、粒子速度的優(yōu)化解，得到動力系統(tǒng)裝配質(zhì)量控制的適應(yīng)度值可表示為

設(shè)定粒子的學(xué)習(xí)因子，將發(fā)動機的裝配質(zhì)量等級的劃分每個粒子有k維，即為{α1，α2，…，αk}，比較各粒子的適應(yīng)度值，更新其最優(yōu)的個體最優(yōu)值Pi和全局最優(yōu)值Pg，通過上述處理，自適應(yīng)更新粒子的速度和位置，避免量化評估的最優(yōu)解陷入局部最優(yōu)，提高了整個水下航行器動力系統(tǒng)裝配質(zhì)量評估和全局穩(wěn)定性［12］。算法的實現(xiàn)過程如圖1所示。

圖1 水下航行器動力系統(tǒng)裝配質(zhì)量量化評估粒子群算法實現(xiàn)過程

4 仿真實驗與性能分析

為了測試本文方法在實現(xiàn)水下航行器動力系統(tǒng)裝配質(zhì)量量化評估及優(yōu)化中的應(yīng)用性能，進行仿真實驗，實驗采用Matlab 7軟件仿真設(shè)計，設(shè)定水下航行器動力系統(tǒng)的輸出轉(zhuǎn)矩為20N.m，功率總損耗為1200W，發(fā)動機的轉(zhuǎn)動慣量0.0025Kg·m2，額定轉(zhuǎn)速3000r/min，發(fā)電機的阻尼系數(shù)0.025 N·m·s/rad，發(fā)動機裝配質(zhì)量控制的相關(guān)參數(shù)為：Q=200，c1=30，c2=10，cr=2，μ1=μ2=0.01，ρ1=ρ2=0.01，δ=0.8。根據(jù)上述仿真環(huán)境和參量設(shè)定，進行裝配質(zhì)量的量化評估仿真，得到水下航行器動力系統(tǒng)裝配質(zhì)量量化指標的功率輸出和效率輸出如圖2所示。

圖2 動力系統(tǒng)的輸出功率和效率分析

分析圖2得知，采用本文方法進行水下航行器動力系統(tǒng)的裝配質(zhì)量量化評估，有效提高了發(fā)動機的輸出功率和效率，輸出穩(wěn)定性較好，在此基礎(chǔ)上，測試各個裝配生產(chǎn)組別的質(zhì)量水平和效率水平，得到結(jié)果見表1，分析表1結(jié)果得知，本文方法進行裝配質(zhì)量優(yōu)化處理后，各個生產(chǎn)組別的裝配質(zhì)量水平和效率水平有顯著性提高。

為了對比不同方法的性能，采用本文方法和傳統(tǒng)的PID方法進行裝配質(zhì)量量化評估，得到預(yù)測誤差收斂性曲線如圖3所示，分析得知，本文方法的全局收斂性較好，實現(xiàn)狀態(tài)過程質(zhì)量優(yōu)化預(yù)測，改善了系統(tǒng)裝配質(zhì)量。

5 結(jié)語

水下航行器的動力系統(tǒng)是保障航行器的續(xù)航能力和生存周期的關(guān)鍵，在水下航行器的動力系統(tǒng)裝配中，對其質(zhì)量優(yōu)化控制和量化評估，能根本上保證水下航行器動力系統(tǒng)的質(zhì)量優(yōu)化，從而提高魚雷、無人潛航器等水下航行器的發(fā)動機質(zhì)量水平，本文提出一種基于粒子群進化尋優(yōu)的裝配質(zhì)量量化評估及優(yōu)化方法。構(gòu)建水下航行器發(fā)動機動力系統(tǒng)裝配質(zhì)量優(yōu)化的約束指標模型，采用支持向量機模型進行動力系統(tǒng)裝配質(zhì)量的自適應(yīng)量化特征分解，進行裝配質(zhì)量控制目標函數(shù)的粒子群優(yōu)化求解。研究表明，本文方法能有效提升水下航行器動力系統(tǒng)裝配質(zhì)量，在發(fā)動機裝配中具有很好的應(yīng)用價值。

表1 各個生產(chǎn)組別的裝配質(zhì)量評估水平

圖3 裝配質(zhì)量評估預(yù)測誤差收斂性曲線

［1］周勇，甘新年，胡光波，等.魚雷制導(dǎo)控制系統(tǒng)多通道控制加權(quán)算法設(shè)計［J］.現(xiàn)代電子技術(shù)，2014，37（19）：14-17.

［2］陸興華，陳銳俊，池坤丹.引入人體紅外釋熱探測的救援機器人感知系統(tǒng)［J］. 艦船電子工程，2016，36（3）：151-155.

［3］葛立志.基于全彈道控制分析的水下航行器攻擊模型視景仿真［J］.艦船電子工程，2015，35（3）：137-141.

［4］Mernik M，Liu S H，Karaboga M D，et al.On clarifying misconceptions when comparing variants of the Artificial Bee Colony Algorithm by offering a new implementation［J］.Information Sciences，2015，291（10）：115-127.

［5］Hsieh T J.A bacterial gene recombination algorithm for solving constrained optimization problems［J］.Applied Mathematicsand Computation， 2014， 231 （15） ：187-204.

［6］張濤，唐振民，呂建勇.一種基于低秩表示的子空間聚類改進算法［J］. 電子與信息學(xué)報，2016，38（11）：2811-2818.

［7］Valente A.Reconfigurable industrial robots：A stochastic programming approach for designing and assembling robot?ic arms［J］.Robotics and Computer-Integrated Manufac?turing，2016，41：115-126.

［8］Singh H P，Sukavanam N.Stability analysis of robust adaptive hybrid position/force controller for robot manipu?lators using neural network with uncertainties［J］.Neural Computing&Applications，2013，22（7-8）：1745-1755.

［9］夏紅偉，翟彥斌，馬廣程，等.基于混沌粒子群優(yōu)化算法的空間機械臂軌跡規(guī)劃算法［J］.中國慣性技術(shù)學(xué)報，2014，22（2）：211-216.

［10］劉建娟.水下航行器組合導(dǎo)航蔽障控制器的設(shè)計與實現(xiàn)［J］.艦船科學(xué)技術(shù)，2017，39（2A）：64-66.

［11］GOVONI M A，LI H，KOSINSKI J A.Range-Doppler resolution of the linear-FM noise radar waveform［J］.IEEE Transactions on Aerospace and Electronic Sys?tems，2013，49（1）：658-664.

［12］馬雪.基于FPGA嵌入式設(shè)計的水聲信號采集系統(tǒng)［J］.艦船電子工程，2017，37（3）：135-139.