李光保，高 棟，平 昊，隋 馨，付曉玲

(1.上海航天精密機(jī)械研究所，上海 201600;2.哈爾濱工業(yè)大學(xué) 機(jī)電工程學(xué)院，黑龍江 哈爾濱 150000)

引言

長(zhǎng)度較大的圓柱形罐體類發(fā)射筒內(nèi)部有大量精密電子元器件和傳感器，對(duì)于儲(chǔ)存溫度、濕度等環(huán)境條件要求較高。因此通常采用全密閉的圓柱形罐體類發(fā)射筒包裝宇航產(chǎn)品，目前使用充氮設(shè)備往圓柱形罐體類發(fā)射筒充放惰性氣體實(shí)現(xiàn)發(fā)射筒內(nèi)部環(huán)境要求。

圓柱形罐體類發(fā)射筒的初始狀態(tài)為空氣狀態(tài)，因此未經(jīng)過(guò)某種處理是不能直接用來(lái)運(yùn)輸和貯存筒彈的，因?yàn)榭諝獾闹饕煞譃榈獨(dú)?，氧氣和水蒸氣，其中氮?dú)饧s占78%、氧氣約占20%、空氣中水蒸氣的含量與當(dāng)時(shí)的溫度、濕度有關(guān)。在進(jìn)行發(fā)射筒置換時(shí)，一般采用氮?dú)庾鳛橹脫Q氣體。

發(fā)射筒置換方法目前有3種，即連續(xù)置換、非連續(xù)置換和抽空置換[1]。連續(xù)置換是通過(guò)發(fā)射筒的充氣口注入氮?dú)?，然后通過(guò)發(fā)射筒的放氣口排出空氣和氮?dú)獾幕旌蠚怏w，這種方式充氣和放氣是同時(shí)進(jìn)行的，優(yōu)點(diǎn)是置換時(shí)間快，缺點(diǎn)是氮?dú)庀牧看?、成本高；非連續(xù)置換是從發(fā)射筒的充氣口注入氮?dú)?，此時(shí)放氣口處于封閉狀態(tài)，當(dāng)發(fā)射筒內(nèi)氣體壓力達(dá)到某一數(shù)值時(shí)停止注入氮?dú)?，保壓一段時(shí)間后，通過(guò)發(fā)射筒放氣口放氣，當(dāng)發(fā)射筒內(nèi)氣體壓力達(dá)到某一放氣壓力時(shí)停止放氣，然后重復(fù)此流程，一直達(dá)到發(fā)射筒內(nèi)部氣體要求為止；抽空置換方法就是先通過(guò)抽空設(shè)備將發(fā)射筒內(nèi)部氣體抽取干凈，然后再通過(guò)發(fā)射筒充氣口注入氮?dú)猓沁@種置換方式只限于可以承受負(fù)壓的發(fā)射筒。由于連續(xù)置換用氣量大以及發(fā)射筒不能承受負(fù)壓情況，目前采用的充氮設(shè)備置換工藝采用非連續(xù)置換方式。

基于非連續(xù)置換工藝特點(diǎn)，惰性氣體消耗量相對(duì)其他兩種置換方式較小，但是置換工藝時(shí)間大大增加。不太滿足常態(tài)化高強(qiáng)密度發(fā)射形勢(shì)下筒彈快速、批量研制需求，基于此種情況，本研究首先通過(guò)分析影響充氮設(shè)備置換工藝的參數(shù)變量，利用Fluent數(shù)值分析方法，仿真分析在不同參數(shù)變量下需要消耗的氮?dú)饬亢蜁r(shí)間，仿真結(jié)果求出后通過(guò)實(shí)際設(shè)備進(jìn)行驗(yàn)證，證明仿真結(jié)果的正常性；再根據(jù)ANSYS仿真的多組輸入輸出數(shù)據(jù)建立多輸入輸出BP神經(jīng)網(wǎng)絡(luò)模型[2]；最后利用遺傳算法進(jìn)行多目標(biāo)參數(shù)優(yōu)化，求出的最優(yōu)化結(jié)果通過(guò)充氮設(shè)備進(jìn)行驗(yàn)證[3]，驗(yàn)證了在一定程度上可增加充氮設(shè)備的置換工藝效率并降低成本。

1 充氮設(shè)備置換工藝原理

充氮設(shè)備效果如圖1所示，包括機(jī)械結(jié)構(gòu)、控制系統(tǒng)、氣路系統(tǒng)等[4]。機(jī)械結(jié)構(gòu)主要包括充氣槍、控制箱體、推車(chē)結(jié)構(gòu)等，其作用是連接發(fā)射筒充氣活門(mén)、固定電氣與氣路元件，整合成整體結(jié)構(gòu)，方便運(yùn)輸；控制系統(tǒng)包括鉛酸電池模塊、PLC、觸摸屏、內(nèi)部壓力傳感器、內(nèi)部溫濕度傳感器、環(huán)境壓力傳感器、環(huán)境溫濕度傳感器、語(yǔ)音模塊以及控制軟件等，其作用是接收傳感器信號(hào)、電量監(jiān)測(cè)、獨(dú)立供電、控制充氮與置換過(guò)程中的電磁閥通斷、智能檢測(cè)以及安全報(bào)警[5]，實(shí)現(xiàn)充氮工藝；氣路系統(tǒng)包含氮?dú)馄俊p壓器(二級(jí)減壓表)、進(jìn)氣電磁閥、排氣電磁閥、氣管、氣路接頭等，其作用是實(shí)現(xiàn)發(fā)射筒的補(bǔ)氮與置換功能的氣路搭建。

圖1 充氮設(shè)備整體效果圖

充氮設(shè)備的工作原理如圖2所示，置換的基本流程為：首先設(shè)置氮?dú)獾某錃鈮毫?、放氣壓力和保壓時(shí)間，設(shè)置完成后通過(guò)充氮設(shè)備檢測(cè)航天產(chǎn)品發(fā)射筒內(nèi)部濕度是否滿足濕度要求。如果不滿足再比較航天產(chǎn)品發(fā)射筒內(nèi)部壓力和理論充氣壓力大小。如果航天產(chǎn)品發(fā)射筒內(nèi)部壓力低于理論充氣壓力，打開(kāi)進(jìn)氣閥關(guān)閉排氣閥充氣，當(dāng)航天產(chǎn)品內(nèi)部壓力達(dá)到理論壓力時(shí)，關(guān)閉進(jìn)氣閥保壓。保壓時(shí)間過(guò)后，繼續(xù)關(guān)閉進(jìn)氣閥，打開(kāi)排氣閥進(jìn)行排氣，排到航天產(chǎn)品發(fā)射筒內(nèi)部壓力等于設(shè)置的放氣壓力時(shí)關(guān)閉排氣閥，此時(shí)進(jìn)氣閥和排氣閥都處于關(guān)閉狀態(tài)，繼續(xù)通過(guò)充氮設(shè)備檢測(cè)航天產(chǎn)品發(fā)射筒內(nèi)部濕度是否滿足濕度要求。如果滿足置換要求則置換工藝結(jié)束，如果仍不滿足要求則繼續(xù)執(zhí)行此流程工藝。

2 發(fā)射筒內(nèi)部流場(chǎng)數(shù)值模擬

2.1 物理模型的建立

不考慮環(huán)境溫度對(duì)發(fā)射筒氣體傳熱的影響，忽略發(fā)射筒內(nèi)部裝配的導(dǎo)彈導(dǎo)軌、導(dǎo)彈、彈上電纜網(wǎng)及其他精密元器件，在對(duì)發(fā)射筒進(jìn)行三維建模中將忽略。發(fā)射筒實(shí)際尺寸為φ850 mm×5647 mm，發(fā)射筒放氣口和出氣口尺寸為φ10 mm，如圖3所示為圓柱形罐體類發(fā)射筒三維計(jì)算區(qū)域。

圖2 充氮設(shè)備置換工作原理圖Fig.2 Schematic diagram of nitrogen charging equipment replacement

圖3 發(fā)射筒三維計(jì)算區(qū)域Fig.3 Three-dimensional calculation area of launcher

2.2 網(wǎng)格劃分

首先定義發(fā)射筒的進(jìn)氣口即入口為INLET，發(fā)射筒壁面為WALL，發(fā)射筒放氣口即出口作為OUTLET，再使用ANSYS MESH軟件繪制發(fā)射筒以及流體域網(wǎng)格，網(wǎng)格數(shù)量為375520，網(wǎng)格質(zhì)量系數(shù)為0.80，網(wǎng)格質(zhì)量較高，發(fā)射筒計(jì)算網(wǎng)格如圖4所示。

圖4 發(fā)射筒三維計(jì)算網(wǎng)格Fig.4 Three-dimensional computational grid of launcher

2.3 計(jì)算仿真

選擇基于壓力耦合求解器，隱式求解，時(shí)間選擇為瞬態(tài)，根據(jù)方程組進(jìn)行迭代計(jì)算，采用組分運(yùn)輸方式，發(fā)射筒內(nèi)部流場(chǎng)包括氮?dú)?、氧氣、水蒸氣及其他物質(zhì)，為使計(jì)算復(fù)雜度降低在內(nèi)部流場(chǎng)仿真時(shí)忽略其他物質(zhì)的影響，進(jìn)氣口采用壓力入口條件，在入口給定充氣壓力，總溫、速度的方向以及入口流入的物質(zhì)組分，考慮到內(nèi)部流場(chǎng)的組成，同時(shí)定義7.8%湍流強(qiáng)度和0.6472 m的水力直徑，為保證出氣口的放氣壓力，出口處采用壓力出口條件，即在出口處給定放氣壓力，總溫、速度的方向以及出口的物質(zhì)組分，保壓時(shí)間通過(guò)迭代次數(shù)和迭代時(shí)間進(jìn)行固定，其余部分定義為壁面，壁面用無(wú)滑移固壁條件。

目前常用的充氮設(shè)備置換參數(shù)入口壓力為20 kPa，出口壓力為5 kPa，理論壓力值為固定壓力12 kPa，保壓時(shí)間為10 s，初始發(fā)射筒內(nèi)部被空氣充滿，其中氮?dú)獗壤秊?8%，氧氣比例為21%，剩余部分為水蒸氣占比。充入的氣體組分為99%的氮?dú)?，小?%的氧氣。發(fā)射筒尺寸為以此條件為初始條件進(jìn)行流體仿真求解。

置換合格標(biāo)準(zhǔn)：N2≥96%，H2O≤1×10-6,O2≥3.9%。

第一次充氣至理論壓力值，發(fā)射筒內(nèi)部流場(chǎng)和水蒸氣體積分?jǐn)?shù)如圖5所示，此時(shí)發(fā)射筒內(nèi)部壓力為12 kPa，充氮設(shè)備此時(shí)執(zhí)行到此工藝步驟時(shí)，進(jìn)氣閥和排氣閥都關(guān)閉，進(jìn)入保壓階段。保壓10 s過(guò)后，發(fā)射筒內(nèi)部流場(chǎng)如圖6所示。放氣壓力達(dá)到5 kPa時(shí)發(fā)射筒內(nèi)部流場(chǎng)如圖7所示。

如果發(fā)射筒內(nèi)部流場(chǎng)不能滿足置換要求，需按照此工藝步驟繼續(xù)進(jìn)行仿真分析，經(jīng)過(guò)多個(gè)循環(huán)步驟后，發(fā)射箱內(nèi)部流場(chǎng)達(dá)到了標(biāo)準(zhǔn)要求，此時(shí)如圖8所示，工藝操作時(shí)間為2420 s，氮?dú)庀牧繛?42 L。以發(fā)射筒內(nèi)部流場(chǎng)達(dá)到標(biāo)準(zhǔn)要求值作為迭代終止條件，各參數(shù)仿真迭代曲線如圖9所示。

2.4 結(jié)果分析

為驗(yàn)證流體仿真結(jié)果的正確性，采用充氮設(shè)備進(jìn)行驗(yàn)證分析，設(shè)置進(jìn)口壓力值為20 kPa和出口壓力值5 kPa及保壓時(shí)間10 s，如圖所示置換時(shí)間為2402 s，氮?dú)庀牧客ㄟ^(guò)流量閥測(cè)得為240 L。通過(guò)仿真結(jié)果數(shù)據(jù)與實(shí)際結(jié)果分析對(duì)比可知ANSYS Fluent仿真數(shù)據(jù)的正確性，充氮設(shè)備實(shí)物圖與操作界面如圖10所示。

圖5 理論壓力下發(fā)射筒內(nèi)部流場(chǎng)仿真Fig.5 Simulation of internal flow field of launcher under theoretical pressure

圖6 保壓完成后發(fā)射筒內(nèi)部水蒸氣體積分?jǐn)?shù)Fig.6 Volume fraction of water vapor in the launcher after pressure maintaining

繼續(xù)通過(guò)ANSYS Fluent分析出105組數(shù)據(jù)，如表1所示為其中一部分。

圖7 放氣壓力時(shí)發(fā)射筒內(nèi)部流場(chǎng)仿真Fig.7 Simulation of internal flow field of launcher during deflation

表1 ANSYS Fluent仿真數(shù)據(jù)Tab.1 ANSYS Fluent simulation data

3 遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)

為尋求發(fā)射筒充氮設(shè)備置換工藝的最優(yōu)參數(shù)，本研究中采用BP神經(jīng)網(wǎng)絡(luò)遺傳算法函數(shù)進(jìn)行極值尋優(yōu)[6]，神經(jīng)網(wǎng)絡(luò)遺傳算法函數(shù)極值尋優(yōu)主要分為BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練、GA遺傳算法優(yōu)化和遺傳算法極值尋優(yōu)三部分[7]，算法流程如圖11所示。

圖8 置換完成時(shí)發(fā)射筒內(nèi)部流場(chǎng)仿真Fig.8 Simulation of internal flow field of launcher when displacement is completed

圖9 發(fā)射筒內(nèi)部流場(chǎng)仿真迭代Fig.9 Simulation iteration of flow field in launcher

3.1 BP神經(jīng)網(wǎng)絡(luò)模型

1) 數(shù)據(jù)選擇和歸一化

本研究通過(guò)ANSYS Fluent流體仿真采集的數(shù)據(jù)中表示輸出的置換工藝時(shí)間參數(shù)普遍在2000 s左右，置換工藝充氣壓力、放氣壓力和保壓時(shí)間參數(shù)在20 kPa 左右，置換工藝完成后消耗的氮?dú)庀牧繀?shù)在200 L左右，參數(shù)之間差別較大，為提高測(cè)試和訓(xùn)練神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確性和精確性，需要對(duì)各參數(shù)數(shù)據(jù)進(jìn)行歸一化，數(shù)據(jù)歸一化處理就是把所有的數(shù)據(jù)規(guī)劃為[0-1]之間的數(shù)。在MATLAB中調(diào)用函數(shù)MAPMINMAX完成歸一化[8]。

圖10 置換仿真驗(yàn)證Fig.10 Simulation verification

2) BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練

用ANSYS Fluent流體仿真采集的數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)[9]，使神經(jīng)網(wǎng)絡(luò)對(duì)非線性函數(shù)具有預(yù)測(cè)能力，MATLAB神經(jīng)網(wǎng)絡(luò)工具箱自帶BP神經(jīng)網(wǎng)絡(luò)函數(shù)，調(diào)用相關(guān)的子程序函數(shù)NEWFF，SIM完成操作。

3) BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)

用訓(xùn)練好的BP神經(jīng)網(wǎng)路預(yù)測(cè)非線性函數(shù)輸出，根據(jù)需要擬合的函數(shù)有3個(gè)輸入?yún)?shù)，2個(gè)輸出，確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為3-13-2，在仿真采集的105組輸入輸出數(shù)據(jù)中選取100組同訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，剩余5組數(shù)據(jù)數(shù)據(jù)測(cè)試BP神經(jīng)網(wǎng)絡(luò)的性能，BP網(wǎng)絡(luò)結(jié)構(gòu)模型如圖12所示。

圖11 算法流程Fig.11 Algorithm flow

3.2 GA遺傳優(yōu)化算法

1) 種群初始化與適應(yīng)度函數(shù)

遺傳算法首先進(jìn)行種群初始化，包括種群規(guī)模、迭代次數(shù)和各參數(shù)的取值范圍進(jìn)行設(shè)置等，根據(jù)個(gè)體得到的BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值，先通過(guò)GA遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，在把訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出作為個(gè)體適應(yīng)度的值。

圖12 BP神經(jīng)網(wǎng)絡(luò)模型Fig.12 BP neural network model

2) 選擇、交叉、變異操作

基于適應(yīng)度比例的選擇策略，本研究采用輪盤(pán)賭法，由于個(gè)體采用實(shí)數(shù)編碼，交叉操作方法采用實(shí)數(shù)交叉法，變異采用單點(diǎn)變異方法完成遺傳算法的多目標(biāo)優(yōu)化。

(1) 選擇操作 本研究選用的基于適應(yīng)度比例的輪盤(pán)賭法選擇策略，每個(gè)個(gè)體i的選擇概率Pi為：

(1)

式中，F(xiàn)i—— 個(gè)體i的適應(yīng)度值，由于適應(yīng)度越小越好，所以在個(gè)體選擇前對(duì)適應(yīng)度值取倒數(shù)

k—— 系數(shù)

N—— 種群個(gè)數(shù)數(shù)目

(2) 交叉操作 由于在本研究中個(gè)體采用的實(shí)數(shù)編碼，所以交叉操作方法采用實(shí)數(shù)交叉法，第K個(gè)染色體aK和第i個(gè)染色體ai在j位的交叉操作方法如下：

(2)

式中，b—— [0,1]之間的隨機(jī)數(shù)

(3) 變異操作 本研究采用單點(diǎn)變異方法，即選取第i個(gè)個(gè)體的第j個(gè)基因進(jìn)行變異，變異操作方法如下：

圖13 各神經(jīng)網(wǎng)絡(luò)擬合性能Fig.13 Fitting performance of neural network

(3)

式中，amax，amin為基因aij的上界和下界，f(g)=r2(1-g/Gmax)2，r2為一個(gè)隨機(jī)數(shù)，g為當(dāng)前迭代次數(shù)，Gmax為最大進(jìn)化次數(shù)，r為[0,1]之間的隨機(jī)數(shù)。

3.3 結(jié)果分析

因?yàn)閭€(gè)體的適應(yīng)度值為神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值[10]，因此BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)精度對(duì)最優(yōu)值的尋找具有非常重要的意義，本研究通過(guò)對(duì)比BP神經(jīng)網(wǎng)絡(luò)、GA-BP神經(jīng)網(wǎng)絡(luò)、PSO-BP神經(jīng)網(wǎng)絡(luò)[11]對(duì)測(cè)試數(shù)據(jù)集進(jìn)行訓(xùn)練，訓(xùn)練完成后BP神經(jīng)網(wǎng)絡(luò)、GA-BP神經(jīng)網(wǎng)絡(luò)、PSO-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出和實(shí)際輸出對(duì)比如圖13a所示，誤差如圖13b所示。從預(yù)測(cè)結(jié)果可以看出，GA-BP神經(jīng)網(wǎng)絡(luò)擬合精度較高，R2值達(dá)到了0.99572，結(jié)果顯示可以把GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出近似看成函數(shù)的實(shí)際輸出。

GA-BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)束后，采用遺傳算法尋找該非線性函數(shù)的最小值，在MATLAB中設(shè)置循環(huán)函數(shù)跟隨迭代次數(shù)進(jìn)行輸出值求解，本研究中采用迭代次數(shù)為30次，種群規(guī)模為10，交叉概率為0.5，變異概率為0.5，個(gè)體長(zhǎng)度為1進(jìn)行求解，求解過(guò)程中最優(yōu)化個(gè)體變化曲線如圖14所示。最佳適應(yīng)性在2000左右，求解得到的最優(yōu)化輸入個(gè)體為31，6，6，最優(yōu)化輸出個(gè)體為1809.432，195.091。

為使充氮設(shè)備各參數(shù)更立體真實(shí)表示出變化情況，在MATLAB三維坐標(biāo)圖的基礎(chǔ)上，采用了以顏色作為第四維度對(duì)三輸入和兩輸出的和作為一個(gè)輸出進(jìn)行四維空間坐標(biāo)系設(shè)計(jì)，四維空間坐標(biāo)系如圖15所示。

圖14 個(gè)體變化曲線Fig.14 Individual change curve

圖15 四維空間坐標(biāo)系Fig.15 Four-dimensional coordinate system

4 實(shí)驗(yàn)驗(yàn)證

根據(jù)上述優(yōu)化的多個(gè)置換工藝參數(shù)在充氮設(shè)備進(jìn)行示數(shù)調(diào)整[12]，調(diào)整充氮設(shè)備充氣壓力為31 kPa、放氣壓力為6 kPa、保壓時(shí)間為6 s進(jìn)行置換試驗(yàn)，得出實(shí)驗(yàn)結(jié)果與原參數(shù)下置換參數(shù)的結(jié)果對(duì)比如表2所示，表中數(shù)據(jù)表明一定程度上減少了置換時(shí)間和降低了氮?dú)庀牧俊?/p>

表2 優(yōu)化前后各參數(shù)對(duì)比Tab.2 Comparison of parameters before and after optimization

5 結(jié)論

針對(duì)現(xiàn)有XX型號(hào)發(fā)射筒充氮設(shè)備置換工藝性能不佳問(wèn)題，而且不太滿足常態(tài)化高強(qiáng)密度發(fā)射形勢(shì)下筒彈快速、批量研制需求，本研究基于Fluent數(shù)值分析方法，仿真充氮設(shè)備在不同參數(shù)(充氣壓力、放氣壓力、保壓時(shí)間)下對(duì)發(fā)射筒進(jìn)行置換工藝時(shí)所需的時(shí)間和氮?dú)庀牧?，再利用GA-BP神經(jīng)網(wǎng)絡(luò)對(duì)各參數(shù)進(jìn)行擬合，建立多輸入多輸出數(shù)學(xué)模型并用遺傳算法尋找最優(yōu)解，滿足最小的置換工藝時(shí)間與氮?dú)庀牧浚詈笳{(diào)整充氮設(shè)備置換工藝的各個(gè)參數(shù)進(jìn)行工程驗(yàn)證，實(shí)驗(yàn)表明，充氮設(shè)備多參數(shù)優(yōu)化后對(duì)發(fā)射筒置換工藝時(shí)間減少，氮?dú)庀牧拷档?，在一定程度上提高了工作效率并?jié)省了成本。