基于遺傳算法的火炮反后坐裝置結構多目標優化研究

周樂，楊國來，葛建立，王飛

(南京理工大學 機械工程學院，江蘇 南京210094)

0 引言

反后坐裝置是火炮的重要組成部分，很大程度上影響了火炮的射速和精度。對于火炮反后坐裝置的動力學分析和優化，國內外許多研究者進行了大量的研究，More［1］通過建立某牽引火炮多體動力學模型來對其動態響應進行研究。Dias 等［2］利用多體模型和遺傳算法獲得了復雜車體的防撞結構和能量吸收裝置的最佳特性。周成等［3］通過建立節制桿優化模型對后坐阻力和后坐長度進行了優化。宗士增等［4］建立了反后坐裝置動力學耦合模型進行了數值仿真并以節制桿尺寸為設計變量對其進行優化。蔡文勇等［5］將遺傳算法和多體動力學聯合以炮口擾動為優化目標進行了火炮動力學優化。梁傳建等［6］建立了非線性有限元模型并通過數值計算研究了制退機不同布置位置對炮口擾動的影響規律。

總結這些文獻，對反后坐裝置的優化工作局限于制退機結構，還未考慮到總體結構對其影響。本文以某型火炮樣機為研究對象，建立其剛柔耦合多體動力學模型，選取制退機節制桿溝槽和部分總體結構參數為設計變量，不僅考慮最大后坐阻力和后坐位移的優化，同時以彈丸出炮口瞬間的炮口擾動為優化目標，基于小生境遺傳算法對反后坐裝置進行多目標動力學優化設計研究，尋求各設計參數間更優的匹配關系。

1 遺傳算法與動力學優化

多目標優化問題的解實際上是一個最優解集合，即Pareto 最優解。遺傳算法通過選擇、交叉、變異3 個操作來產生最優解。基于適應度共享小生境的遺傳算法可以定義共享函數來調整個體適應度，該算法可以更好地保持解的多樣性，其全局尋優能力和收斂速度使其更適合于復雜函數的多目標優化問題［7-9］。

在ADAMS View 環境下進行火炮結構參數優化不僅難以實現部分設計變量的定義，其簡單優化方法也不適合火炮的復雜結構。因此通過對該軟件底層計算模塊的二次開發，編寫遺傳算法FORTRAN語言優化模塊，將遺傳優化算法與求解器模塊聯合，可以完成對設計變量的必要修改，實現對模型的完全控制，以達到最優解的效果。聯合仿真優化的流程圖如圖1 所示。

2 反后坐裝置優化

2.1 火炮動力學模型

圖1 優化流程框圖Fig.1 Flow chart of optimization

火炮發射過程其受力和運動現象十分復雜。建模時應考慮其主要運動和受力情況，使其盡量符合實際。本文考慮身管、搖架、上架為柔性體，其他部件如炮口制退器、炮尾、下架等為剛體。整個模型由IDEAS 建立的精確的實體模型以及基于Hypermesh生成的柔性體.mnf 文件導入ADAMS 來得到。火炮發射過程中載荷主要有炮膛合力、制退機力、復進機力、平衡機力。這部分發射載荷可通過FORTRAN語言編寫程序，生成動態鏈接庫. dll 文件再嵌入動力學模型來實現。駐鋤與土壤、底盤與地面、高低機齒弧間作用力采用非線性彈簧和阻尼來模擬。

全炮拓撲結構示意圖如圖2 所示。

圖2 全炮結構示意圖Fig.2 Schematic Diagram of gun structure

2.2 火炮反后坐裝置優化

2.2.1 優化模型

本文對射角為0°的火炮模型進行優化，建立的優化模型如下:

1)設計變量

一般對制退機節制桿尺寸進行優化，選取節制桿溝槽深度為設計變量;此外，從總體設計角度出發，以后坐部分質量、后坐部分質心位置、炮口制退器質量、前襯瓦與耳軸中心在同一軸線方向上距離、前后襯瓦之間距離、制退機左右布置參數、高低機扭簧剛度系數、方向機扭簧剛度系數等部分總體參數為設計變量，對火炮進行多目標優化。

2)目標函數

對后坐阻力F、后坐位移s 及出炮口瞬間的炮口垂直線速度v、炮口高低角速度ω﹑炮口高低角θ進行歸一化處理，分別給各目標子函數按重要性賦予相應的權系數，總目標函數φ 可表示為各個子目標函數的線性加權，適應度函數f 取總目標函數的倒數:

式中:F0、s0、v0、ω0、θ0為初始值;c1～c5為加權系數，分別取值為0.25、0.25、0.05、0.15、0.30，其值之和為1.

2.2.2 優化結果及分析

本文利用小生鏡遺傳算法和ADAMS SOLVER求解器聯合優化的方法進行了火炮系統動力學優化計算，該算法一次可以搜索出多組優化方案，選取其中一組優化結果進行分析。后坐阻力、位移及炮口擾動優化前后隨時間變化的比較曲線如圖3 ～圖7所示。

圖3 后坐阻力曲線對比Fig.3 Comparison of recoil resistances

對比圖3 ～圖7 優化前后曲線及表1 可知，優化后后坐過程中后坐阻力峰值Fmax和后坐最大位移smax小于優化前，出炮口瞬間高低角θ0變小，角速度ω0和線速度v0幅值變小，曲線變化趨勢更加平緩。說明建立的優化模型可以實現其優化目的。

圖4 后坐位移曲線對比Fig.4 The comparison of displacement

圖5 優化前后高低角曲線Fig.5 Curves of elevation angle before and after optimizing

圖6 優化前后角速度曲線Fig.6 Curves of angular velocity before and after optimizing

3 結論

圖7 優化前后高低線速度曲線Fig.7 The curves of velocity before and after optimizing

表1 優化前后結果對比Tab.1 The comparison of results before and after optimizing

對比初始與優化后的后坐阻力和炮口擾動值，后坐阻力和炮口擾動有了明顯降低，這表明通過反后坐裝置結構和總體結構的優化，最大后坐阻力、后坐位移、炮口擾動等得到了較好的控制，充分說明了火炮系統總體方案優化的重要性和必要性。而通過遺傳算法和動力學優化結合的方法可提供多組優化結果，選擇更具有靈活性。

References)

［1］More A K. Multi-body dynamics and design optimization for a towed gun［D］. Nanjing:Nanjing University of Science and Technology，2008.

［2］Dias J P，Pereira M S. Optimization methods for crashworthiness design using multibody models［J］. Computers and Structures，2004，82(17/18/19):1371 -1380.

［3］周成，顧克秋，邵躍林.火炮制退機節制桿優化設計［J］. 火炮發射與控制學報，2012，12(4):68 -70.ZHOU Cheng，GU Ke-qiu，SHAO Yue-lin.Optimal design of hrottling bar in gun recoil mechanism［J］. Journal of Gun Launch ＆Control，2012，12(4):68 -70.(in Chinese)

［4］宗士增，錢林方，徐亞棟.火炮反后坐裝置動力學耦合分析與優化［J］.兵工學報，2007，28(3):272 -275.ZONG Shi-zeng，QIAN Lin-fang，XU Ya-dong. Dynamic coupling analysis and optimization of gun recoil mechamism［J］.Acta Amamentarii，2007，28(3):272 -275.(in Chinesse)

［5］蔡文勇，馬福球，楊國來.基于遺傳算法的火炮總體參數動力學優化［J］.兵工學報，2006，27(6):974 -977.CAI Wen-yong，MA Fu-qiu，YANG Guo-lai. Dynamic overall parameter optimization of howitzer with genetic algorithm［J］. Acta Armamentarii，2006，27 (6):974 -977.(in Chinese)

［6］梁傳建，楊國來，葛建立，等.反后坐裝置結構布置對炮口振動影響的研究［J］. 兵工學報，2013，34(10):1209 -1214.LIANG Chuan-jian，YANG Guo-lai，GE Jian-li，et al.Study on influence of structural arrangement of recoil mechanism on muzzle vibration of gun［J］. Acta Armamentarii，2013，34(10):1209 -1214.(in Chinese)

［7］Goldberg D E，Richardson J. Genetic algorithms with sharing for multimodal function optimization［C］∥Proceedings of the Second Int Conference on Genetic Algorithms and Their Applications. NJ:Lawrence Erlbaum Associates Inc，1987:41 -49 .

［8］Xu Z，Lu S S.Multi-objective optimization of sensor array using genetic algorithm［J］. Sensors and Actuators，2011，160(1):278 -286.

［9］Ericksona M，Mayer A，Hornb J. Multi-objective optimal design of groundwater remediation systems:application of the niched Pareto genetic algorithm (NPGA)［J］. Advances in Water Resources，2002，25(1):51 -65.