一种基于人工蜂群算法的扑翼飞行器翼型参数优化方法

技术领域

本发明公开了一种基于人工蜂群算法的扑翼飞行器翼型参数优化方法，具体涉及扑翼飞行器技术领域。

背景技术

现有的扑翼飞行器通常尺寸较小，负载能力较低。为完成多种任务，扑翼飞行器通常需携带摄像头等各式设备，翅膀扑动产生的气动力越高，其负载能力就越强，适用范围越广。目前的扑翼飞行器主要采用直流电机驱动、锂电池供电的方式，且一般具有将电机输出的整周转动转化为一定角度的扑动动作的扑动机构，扑动机构带动翅膀高速扑动以产生上升的气动力。在扑动机构和锂电池输出功率一定的情况下，翼型的不同则是影响气动力大小的重要因素。现有翼型设计多是通过实验测试的方式获得可产生较大气动力的翅膀外形，操作繁琐且效率较低，因此，利用优化算法获得更佳的翼型参数参考值能加快扑翼飞行器设计流程，对扑翼飞行器的研究具有重要的价值和研究意义。

发明内容

针对现有技术的不足，本公开的目的在于提供一种基于人工蜂群算法的扑翼飞行器翼型参数优化方法，解决了现有技术中翼型设计多是通过实验测试的方式获得可产生较大气动力的翅膀外形，操作繁琐且效率较低问题。

本公开的目的可以通过以下技术方案实现：

本发明公开的一种基于人工蜂群算法的扑翼飞行器翼型参数优化方法，算法的步骤如下：

首先根据准定常假设所建立的扑翼飞行器空气动力学模型；其次建立翅膀扑动产生气动力的目标函数和约束函数；然后采用蜂群算法对参数进行改进及优化，利用侦察蜂的特性对全局迭代次数作检测，避免陷入局部最优解，提高算法的全局搜索能力；最后输出设计扑翼飞行器翅膀的最优参数，以该参数为参考制作翅膀可加快飞行器样机的设计迭代周期。

根据准定常假设，扑翼飞行器空气动力学模型为：

F＝f(R,α

其中α

同时，ρ为大气密度，f为翅膀扑动频率，

控制翅膀扑动产生的气动力的目标函数为：

MaxF(翅膀扑动产生的气动力最大)；

约束条件为：

F＞G，G为扑翼飞行器的重力(翅膀扑动产生的气动力大于重力)；

ρ＜ρ

0＜R＜R

0＜S

0＜α＜α

输出的控制变量为翅膀展长、翅膀面积、翅膀攻角。

人工蜂群算法的流程为：

种群初始化，随机生成蜜源位置；

根据需求设定参数：蜜源数SN、蜜源最大采集次数limit及迭代终止次数MCN；

为每一个蜜源分配一只引领蜂，同时进行搜索，根据局部搜索选择的方法保留蜜源周围质量最优的蜜源；

引领蜂携带信息回到蜂巢，并传递给跟随蜂

根据计算概率确定跟随蜂是否跟随引领蜂；

跟随蜂采用与引领蜂相同的方式进行搜索，根据局部搜索算法确定保留的蜜源；

判断是否存在需要放弃的蜜源。如果存在，对应的引领蜂角色变为侦察蜂，随机产生一个蜜源代替原蜜源，否则直接转到下一步；

判断算法是否满足终止条件，若满足则终止，输出最优解，否则转到重新为每蜜源分配一只引领蜂。

本公开的有益效果：

(1)本发明公开的基于人工蜂群算法的扑翼飞行器翼型优化方法输出的最优参数可获得能产生最大气动力的翅膀形状，提高扑翼飞行器有效载荷，满足执行任务的多样性。

(2)本发明公开的基于人工蜂群算法的扑翼飞行器翼型优化方法通过不同种的蜜蜂分工合作，提升了算法的全局寻优性能。

(3)本发明公开的基于人工蜂群算法的扑翼飞行器翼型优化方法通过跟随蜂的设置实现了算法的正反馈，直接加快了局部较优解的收敛速度，间接加快了全局最优解的收敛速度。

(4)本发明公开的基于人工蜂群算法的扑翼飞行器翼型优化方法通过设置侦察蜂监测全局状况，具有跳出早熟收敛的可能性，拓展算法的搜索空间，使算法收敛到全局最优解，以获得可产生最大气动力的翅膀形状。

附图说明

为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明扑翼飞行器翼型参数优化方法的整体流程图；

图2为本发明人工蜂群算法的流程图。

具体实施方式

下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本公开保护的范围。

如图1所示，本实施例公开的一种基于人工蜂群算法的扑翼飞行器翼型参数优化方法，算法的流程为：首先根据准定常假设所建立的扑翼飞行器空气动力学模型；其次建立翅膀扑动产生气动力的目标函数和约束函数，其中目标函数为翅膀扑动产生的气动力模型，约束函数包括扑动动作产生气动力大于重力、飞行高度应确保最小安全高度、翅膀展长在设计范围之内、翅膀面积在设计范围之内、翅膀攻角在设计范围之内，输出的控制变量为翅膀展长、翅膀面积和翅膀攻角；然后采用人工蜂群算法对变量进行迭代改进和优化，引入侦察蜂的设置检测全局迭代次数和适应度变化情况，避免陷入局部最优解，提高算法全局搜索能力；最后输出设计扑翼飞行器翅膀的最优参数，以该参数为参考制作翅膀可加快飞行器样机的设计迭代周期。

根据准定常假设，扑翼飞行器空气动力学模型为：

F＝f(R,α

其中α

同时，ρ为大气密度，f为翅膀扑动频率，

通过上述模型可以得到翅膀扑动产生的气动力。

控制翅膀扑动产生的气动力的目标函数为：

MaxF(翅膀扑动产生的气动力最大)；

约束条件为：

F＞G，G为扑翼飞行器的重力(产生气动力大于重力)；

ρ＜ρ

0＜R＜R

0＜S

0＜α＜α

由此建立目标函数和约束函数，输出的控制变量为翅膀展长、翅膀面积、翅膀攻角。

如图2所示，人工蜂群算法的流程为：

(1)根据求解问题确定目标函数和约束条件

(2)种群初始化，根据需求设定蜜源数SN(同时评估的解的个数)、蜜源最大采集次数l imit及迭代终止次数MCN；

(3)按式x

(4)为每一个蜜源分配一只引领蜂，引领蜂在蜜源周围采用局部搜索算法，即在当前的选择开始,步进寻找周围邻接蜜源，若邻接蜜源适应度更高(即更符合解的要求)，则保留新蜜源舍弃旧蜜源；

(5)引领蜂回到蜂巢，通过舞蹈的方式向跟随蜂传递信息；

(6)跟随蜂根据式

(7)跟随蜂采用与引领蜂相同的方式进行搜索，采用同步骤(4)相同的局部搜索算法确定保留的蜜源，在本实施例中，可使目标函数值更大的局部解会被保留；

跟随蜂的引入可实现适应度上的正反馈，高适应度解的周围有更多机会被搜寻到适应度更优的解，可提高人工蜂群算法的收敛速度。

(8)若一个蜜源不能通过小于极限值数量的循环数(即蜜源最大采集次数l imit)获得进一步改善，那么该蜜源将被放弃。对应的引领蜂角色变为侦察蜂，将重新按式x

侦察蜂的引入可以侦测全局迭代状况，避免算法收敛到局部最优解。当某处蜜源经过一定次数的迭代后解的适应度仍未进一步提升，则放弃对这片区域的继续搜索，选择新的区域进行搜索。

(9)将更新后的参数与适应度继续迭代，重复步骤(4)-(8)，直到全局极值不再增大或者达到了设定的迭代次数，本实施例中，迭代次数设置为150。

(10)停止迭代，输出最优解即为满足气动力最大的输出控制变量；翅膀展长、翅膀面积、翅膀攻角。

进一步地，本实施例采用了本公开实施例中的技术方案，对一种仿昆虫类的扑翼飞行器的翼型参数进行了优化设计。该扑翼飞行器由机身、翅膀、电机、电池等组成，相关主要参数如下：整机重量约29g，基准翅膀展长约80mm，翅膀面积约1798mm

为提高该扑翼飞行器的气动力和负载能力，本实施例对其翼型参数进行了优化设计，采用了本公开实施例中的人工蜂群算法，根据准定常假设建立的空气动力学模型，建立了目标函数和约束函数，输出的控制变量为翅膀展长、翅膀面积和翅膀攻角。

本实施例中，人工蜂群算法的参数设置如下：

设定变量个数N＝3，设定蜜源个数SN＝100，设定蜜源最大采集次数l imit＝200，设定迭代终止次数MCN＝150。

根据以上参数和公式，本实施例中的目标函数和约束函数可以表示为：

F＞G；ρ＜ρ

采用人工蜂群算法对控制变量进行迭代改进和优化，得到最优解如下：

在翅膀展长为84mm，翅膀面积为1814mm

可见，经过优化设计后，扑翼飞行器的气动力理论值由原来的30.2g提高到了33.7g，增加了3.5g，有效地提高了扑翼飞行器的负载能力。以该最优参数为参考制作翅膀可加速设计制作迭代进程。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。