箔条配比优化仿真分析*

蔡 蒨 张为华

(1.中国国防科技大学航天与材料工程学院 长沙 410073)(2.中船重工第七一〇研究所 宜昌 443003)



箔条配比优化仿真分析*

蔡 蒨1,2张为华1

(1.中国国防科技大学航天与材料工程学院 长沙 410073)(2.中船重工第七一〇研究所 宜昌 443003)

为优化箔条干扰弹布放后形成的箔条云在指定频段内起伏特性和优化频段内的箔条数量等,提出了基于频点人工选择与遗传算法箔条数量自动寻优相结合的箔条配比方法。与传统人工配比方法相比其具有较好的配比效果。

箔条配比; 遗传算法; 仿真分析

Class Number TN955

1 引言

导弹攻防战和电子战将是未来主要的海战形式,反舰导弹是水面舰艇的主要威胁。由于反舰导弹具有射程远、发射灵活、命中率高、威胁大等特点,因而对其防御非常困难。能否有效防御反舰导弹是水面舰艇在未来战争中生死存亡的关键[1]。导弹防御主要分两种方式,一是采用拦截武器,二是采用有源干扰或无源干扰。

无源干扰装备是舰船电子战系统的重要组成部分,其以灵活多样的方式干扰雷达、红外、激光、电视、成像等制导模式反舰导弹搜索和跟踪系统,已成为舰船末端防御的重要手段[2～3]。由于无源干扰装备具有性价比高、干扰效果好的特点,受到各国海军高度重视,各类舰船上都广泛装备无源干扰系统。我国无源干扰装备经过多年发展,其战术技术性能已达世界先进水平。

在无源干扰设备中,干扰弹布放后形成的箔条云特性直接影响反舰导弹的干扰特性[2]。为适应不同频段雷达干扰的需求,箔条弹一般由多种长度箔条混合装填组成。箔条配比研究一方面研究某一确定组合的混装箔条在不同频段的叠加散射特性;另一方面根据不同频段雷达干扰需要,研究如何选择不同长度和种类的箔条以达到优化的干扰效果。

为提高箔条配比的效果,提出了箔条配比优化算法。

2 箔条特性

为使箔条得到大的散射截面,基本上都采用半波长谐振式箔条。但半波长箔条的谐振峰都很尖锐,适用的频带很窄。箔条带宽定义为其最大散射截面降为1/2时的频带范围。由于箔条的谐振峰很尖锐,其带宽一般只有中心频率的15%～20%,不是常数。

箔条频率带宽随着L/d(箔条长度与直径比)增加而缓慢增加。图1表明百分比带宽(带宽对谐振频率的比值,用百分比表示)作为L/d比值的函数曲线,而L/d值通常在与箔条有关联的范围内。对I波段(波段8GHz～10GHz,)箔条典型带宽近似为15%。

图1 半波长箔条的带宽与L/d关系

增加箔条弹带宽的途径:一是增加箔条直径,以使箔条自身带宽有所增宽;二是采用长度不同的半波长箔条混合包装,以使箔条干扰具有很宽的带宽。

在实际的箔条弹设计过程中,它要求覆盖的频带是非常宽的,在整个频带范围也要求拥有尽可能大的散射面积或突出某个频段的散射面积,此时需要采用长度不同的箔条进行混合包装设计。箔条配比分析,就是根据箔条的频率响应特性,确定实际所需箔条的长度和种类,并进行计算优化。

3 配比频点选择

箔条弹中箔条长度和数量的选择对其干扰效能具有重要的影响。为在有效的空间和质量要求下得到相对较好的箔条云RCS值,采用箔条频点和箔条数量粗细选择方法。

3.1 频点粗选择

粗选择算法主要包括箔条种类选取、每种箔条数量预估、频点预估。

粗选择算法如下:

1) 根据以下推导初步确定配比频点数;

2) 分析干扰频段范围,判断此区域内是否含有目前导弹常用的末制导波段(10GHz,15GHz,等),如果含有则将其设定为一个配比频点;

3) 在干扰区域两端选择两个频点,如果其与2)中选择频点重复则去掉一个重复频点;

4) 计算目前所选取的频点数N(其中,N≤N′)相对规定指标所需的箔条数Mj(j=1,…,N),如下式所示:

(1)

其中,VRCS为规定的RCS值,λ为箔条对应的波长,p1为损失系数,p2为扩散率。在粗选阶段认为每种箔条的扩散率相同。

6) 求取已有箔条对应的RCS累加值,得到不同频点处RCS累加值;

7) 计算此迭代图凹点,并将凹点设置为新频点,返回5)计算,直到频点数满足N为止。

若考虑屏蔽效应和散开率,则利用下式计算箔条云的雷达散射面积

(2)

其中,N0σ0为单位箔条面积的理论雷达面积,C为散开率,根据经验得到。

在实际的箔条干扰过程中,还存在对雷达波的反射效果,由经验反射雷达截面积为

σ″RCS=μ·S⊥

(3)

其中,μ为反射系数,S⊥为箔条云投影面积。

则箔条云的RCS值为

(4)

3.2 频点细选择

细选择过程主要是在粗选择的基础上,根据箔条长短不同设置不同的扩散率。根据RCS值拟合曲线调整频点位置和箔条数量,达到使箔条曲线尽量平整(即波峰和波谷差尽量小),使用的箔条重量尽量小,此过程属于人工调整过程。

根据选择的频点,采用遗传算法优化不同频点的箔条数量。

4 基于遗传算法[4～5]的箔条细配比

箔条细配比方法是进一步基于遗传算法来计算出满足配比条件的每种箔条数目。遗传算法借鉴生物界的进化规律,在解决复杂的全局优化问题方面取得了成功的应用。

4.1 遗传算法基本原理

对于细匹配的箔条优化的问题,遗传算法从一组随机产生的箔条变量开始搜索。初始的箔条变量称为种群。种群中的每个个体都是问题的一个解,该解称为染色体。染色体是一组实码集。这些染色体不断进行迭代进化,称为遗传。在每一代中衡量染色体质量好坏的尺度叫适应度。在每一代根据个体的适应度选择个体,并借助遗传算子进行组合交叉和变异,产生出新的解集的种群。这个过程将使得种群像自然进化一样的后代种群比前代更加适应于环境。这样,经过若干代之后,算法收敛于最好的染色体,它有可能是所求问题的最优解或次优解。

初始种群的大小作为遗传算法的控制参数,对于遗传算法的性能是有影响的。种群如果较大,遗传产生有意义的基因并逐渐进化为最优解的机会就越高。也就是说,群体规模越大,群体的多样性越高,算法陷入局部解的危险越小。但是群体规模太大,计算量也很大,出于对计算速度的考虑,本文的群体个数取值为100。

4.2 箔条数量优化方法

本文采用实数编码,随机产生N组随机数Xp={x1,x2,x3,x4,…,xN},p=1,2,…,N,对应于箔条丝长度(l1,l2,l3,l4,…,lN)的根数。

1) 确定目标函数和约束条件

箔条配比方案目标函数满足箔条总根数最小:

(5)

约束条件为对应各频点的RCS的最小值不低于固定值RCSmin和最大值不大于RCSmax。

对于第j频点的RCS计算公式为

(6)

式中,li为箔条丝的长度,λj为波长,K(lj/λi,A)为特征系数,n为箔条种类数目。因此约束条件满足RCSmin≤f(x)j≤RCSmax,j=1,…,N。

2) 选择策略

定义适应度函数F(x):

F(X)=1/(G(X)+1)

(7)

式(7)中分母1设置以避免分母值为0的情况。目标函数F(x)值越大表示该箔条配比的总根数越小。

采用适应度比例方法作为选择策略。适应度比例方法是目前遗传算法中最常用的选择方法。在该方法中,每个个体的选择概率和其适应度值成比例。

对于规模为m的群体的P={X1,X2,…,Xm},个体Xj∈P被选中的概率为

(8)

3) 交叉算子

交叉算子可以生成新的基因空间,从而使新的群体中的个体具有多样性。生成一个范围为[0,1]的随机数a,设Xi(t),Xj(t)分别为第t代选出的两个个体,则通过交叉得到的下一代个体为Xi(t+1),Xj(t+1)。其中:

Xi(t+1)=aXi(t)+(1-a)Xj(t)
Xj(t+1)=aXj(t)+(1-a)Xi(t)

(9)

4) 基于实数编码的遗传算法流程:

步骤1:建立优化模型和约束条件。

步骤2:t(迭代次数)=0,生成满足约束条件的100个初始群体。

步骤3:针对每个个体计算适应度F(x)和选择概率值gi,并以概率gi从群体里选择出一些个体构成种群P(t)。对种群进行交叉和变异,得到下一代P(t+1)。

步骤4:判断是否满足终止条件,如果满足则停止,并输出最优解,否则,t=t+1。

5 仿真分析

仿真初始条件:频段[7,18]GHz;RCS值大于1000m2;箔条利用率为1箔条人工配比结果如图2所示。

图2 人工配比结果

频点为:7.5GHz,9.3GHz,11.58GHz,14GHz,17.86GHz。

在不改变频点情况下,采用遗传算法匹配结果如图3所示。

图3 遗传算法仿真结果

由图2和图3知:采用遗传算法得到的图像波峰和波谷之间的差远小于人工算法,图像更趋于平缓。

6 结语

通过将箔条人工粗细配比与遗传算法自动寻优配比算法相结合,提高了固定体积干扰弹的箔条装填量,增加了单枚弹布放后的箔条RCS值和干扰频段内箔条云RCS的平稳性,提高了导弹的干扰效能。

[1] 张永录,耿明忠.舰载无源干扰装备技术及其发展分析[J].飞航导弹,2002,25(2):2-5.

[2] 陈静.雷达箔条干扰原理[M].北京:国防工业出版社,2007,5.

[3] 田晓波,谷庆波,张巍.海上舰船雷达无源干扰系统的发展研究[J].2008,23(2):15-18.

[4] 李绍军,王惠,钱锋.多目标遗传算法及其在化工领域的应用[J].计算机与应用化学,2003,20(6):755-760.

[5] 李玉榕,项国波.一种基于多目标遗传算法的非线性控制器[J].计算机仿真,2004,21(5):61-63.

Simulation Analysis of the Chaff Match Optimization

CAI Qian1,2ZHANG Weihua1

(1. College of Aerospace and Materials Engineering, National University of Defense Technology, Changsha 410073) (2. No. 710 Research Institute, China Shipbuilding Industry Corporation, Yichang 443003)

For optimizing the fluctuation characteristics of the chaff cloud and the chaff quantity in the given frequency band, the automatic optimization method based on the frequency selection by hand and the chaff number selection by genetic algorithm is proposed. The method can get better effect than the traditional method.

chaff match, genetic algorithm, simulation analysis

2014年11月1日,

2014年12月17日

蔡蒨,男,博士,研究员,研究方向:无源干扰。

TN955

10.3969/j.issn1672-9730.2015.05.022