·850· 智能系统学报 第17卷 控制系统5”。文献[8]通过研究冲压发动机在高 纵向运动学及动力学方程为 超飞行器工作剖面，对冲压发动机的压气系统配 V= Tcosa-D-mgsiny 置进行了分析；文献[9]提出了一种高超声速飞 m 行器发动机的供电和冷却系统，飞/发一体化的工 h=Vsiny L+Tsina g 程进展提供了一种新颖的方案；在飞/发一体化控 y= mV cosy 制系统方面，文献[10]提出了具有不同发动机安 0=9 全边界的高超声速飞行器飞/发一体化模型，并通 M 过与通用高超声速飞行器的比较，验证了其模型 的有效性和实用性。 式中：[T,L,D,M为飞行器的动力输人，分别为飞 然而，除了高超声速飞行器本体具有飞行环 行器推力、升力、阻力、俯仰力矩；[Vh,y,8,q为飞 境复杂、空间环境变化剧烈、内部参数及结构不 行器的状态量，分别为飞行速度、飞行高度、航迹 确定性强等特点山外，气流一体化、结构一体化 角、俯仰角、俯仰角速度；α为飞行迎角，以式α= 等耦合作用也使得高超声速飞行器飞/发一体化 0-y计算；m,IJ为飞行器的惯性参数，分别为飞 控制系统设计具有一定挑战。因此，提出一种 行器质量和转动惯量。 满足强耦合控制系统的参数整定方法具有相当重 升力、阻力、俯仰力矩的计算公式为 要的研究价值。 (L=qSCL D=gSCp 受自然界中鸽子归巢行为启发的鸽群优化算 M=qesCM 法(pigeon-inspired optimization,PIO)在控制参数 优化方面具有较高收敛速度1。自Duan等4 式中：9为动压，以式9=pv计算；[S,为飞行器 提出以来，鸽群优化算法及其改进模型已广泛应 几何参数，分别为参考机翼面积、平均气动弦长； 用于众多领域s切。文献[15]提出了拟仿射变换 [CL,Co,Cu为飞行器气动导数，计算公式为 鸽群优化算法，这种改进的鸽群机制为无线传感 CL=Cia+C6.+CD 器网络提供了一种有效的解决方案。文献[16] Cn=C0a2+C0a+Cg6.2+C%6.+C9 提出了一种紧密鸽群优化算法，并应用于评估水 CM=CMa2+Cua+Co.+Cor 电站短期发电模型的最大值。在针对狭窄区域内 式中δ为飞行器控制量，表示升降舵偏角。 多无人机路径规划性能的研究方面，文献[17] 飞行器惯性参数、几何参数、气动参数见文 提出了一种柯西变异鸽群算法，比传统方法具有 献[18]。飞行器推力由发动机模型提供，认为发 更好的鲁棒性。 动机本身的动态响应可以忽略，在发动机的计算 针对高超声速飞行器飞/发一体化控制问题， 中不考虑时间项，将发动机模型按照稳态计算。 本文首先建立了高超飞行器飞/发一体化系统模 ·维简化冲压发动机模型由进气道、燃烧 型，并针对该系统设计了纵向控制律。针对高超 室、尾喷管3个部分组成。进气道、燃烧室、尾 飞行器飞/发一体化控制系统难以调试的问题，本 喷管特性的计算公式分别如式(1)(3)所示。 文基于基本鸽群优化算法，提出了一种新型的探 索群策略鸽群优化算法，该算法基于探索群的辅 助搜索，可有效解决基本鸽群优化算法容易很快 (1) 陷入局部最优的问题。最后，针对所设计的飞/发 Po-p: 一体化控制系统，通过探索群鸽群优化算法对其 控制参数进行优化，并与基础PIO算法、粒子群 T4-T2 (2) 优化算法(particle swarm optimization,PSO)进行了 T 仿真对比验证，实验结果验证了本文所提探索群 鸽群优化算法在解决飞/发一体化控制参数整定 k- 问题方面的可行性和优越性。 (3) 1高超飞行器飞/发一体化系统模型 a=Ma·VkRT 式中：T为温度、P为大气静压、Ma为飞行器飞行 本文在对高超飞行器本体进行建模时，将 马赫数、k为空气比热比、R为空气气体常数、n 飞行器视为刚体，忽略弹性耦合及质量变化。其 为部件工作效率、f为空燃比、“为气流流速。下控制系统[5-7]。文献 [8] 通过研究冲压发动机在高 超飞行器工作剖面，对冲压发动机的压气系统配 置进行了分析；文献 [9] 提出了一种高超声速飞 行器发动机的供电和冷却系统，飞/发一体化的工 程进展提供了一种新颖的方案；在飞/发一体化控 制系统方面，文献 [10] 提出了具有不同发动机安 全边界的高超声速飞行器飞/发一体化模型，并通 过与通用高超声速飞行器的比较，验证了其模型 的有效性和实用性。 然而，除了高超声速飞行器本体具有飞行环 境复杂、空间环境变化剧烈、内部参数及结构不 确定性强等特点[11] 外，气流一体化、结构一体化 等耦合作用也使得高超声速飞行器飞/发一体化 控制系统设计具有一定挑战[12]。因此，提出一种 满足强耦合控制系统的参数整定方法具有相当重 要的研究价值。 受自然界中鸽子归巢行为启发的鸽群优化算 法（pigeon-inspired optimization, PIO）在控制参数 优化方面具有较高收敛速度[13]。自 Duan 等 [14] 提出以来，鸽群优化算法及其改进模型已广泛应 用于众多领域[15-17]。文献 [15] 提出了拟仿射变换 鸽群优化算法，这种改进的鸽群机制为无线传感 器网络提供了一种有效的解决方案。文献 [16] 提出了一种紧密鸽群优化算法，并应用于评估水 电站短期发电模型的最大值。在针对狭窄区域内 多无人机路径规划性能的研究方面，文献 [17] 提出了一种柯西变异鸽群算法，比传统方法具有 更好的鲁棒性。 针对高超声速飞行器飞/发一体化控制问题， 本文首先建立了高超飞行器飞/发一体化系统模 型，并针对该系统设计了纵向控制律。针对高超 飞行器飞/发一体化控制系统难以调试的问题，本 文基于基本鸽群优化算法，提出了一种新型的探 索群策略鸽群优化算法，该算法基于探索群的辅 助搜索，可有效解决基本鸽群优化算法容易很快 陷入局部最优的问题。最后，针对所设计的飞/发 一体化控制系统，通过探索群鸽群优化算法对其 控制参数进行优化，并与基础 PIO 算法、粒子群 优化算法 (particle swarm optimization, PSO) 进行了 仿真对比验证，实验结果验证了本文所提探索群 鸽群优化算法在解决飞/发一体化控制参数整定 问题方面的可行性和优越性。 1 高超飞行器飞/发一体化系统模型 本文在对高超飞行器本体进行建模时[18] ，将 飞行器视为刚体，忽略弹性耦合及质量变化。其 纵向运动学及动力学方程为    V˙ = T cosα− D−mgsinγ m h˙ = V sinγ γ˙ = L+T sinα mV + g V cosγ θ˙ = q q˙ = M Iyy [T,L,D, M] [V,h, γ, θ,q] α α = θ−γ [m,Iyy] 式中： 为飞行器的动力输入，分别为飞 行器推力、升力、阻力、俯仰力矩； 为飞 行器的状态量，分别为飞行速度、飞行高度、航迹 角、俯仰角、俯仰角速度； 为飞行迎角，以式 计算； 为飞行器的惯性参数，分别为飞 行器质量和转动惯量。 升力、阻力、俯仰力矩的计算公式为    L = qSC ¯ L D = qSC ¯ D M = q¯cSC ¯ M q¯ q¯ = 1 2 ρV 2 [S, c¯] [CL,CD,CM] 式中： 为动压，以式 计算； 为飞行器 几何参数，分别为参考机翼面积、平均气动弦长； 为飞行器气动导数，计算公式为    CL = C α Lα+C δe L δe +C 0 L CD = C α 2 D α 2 +C α Dα+C δe 2 D δe 2 +C δe D δe +C 0 D CM = C α 2 M α 2 +C α Mα+C δe M δe +C 0 M 式中 δe为飞行器控制量，表示升降舵偏角。 飞行器惯性参数、几何参数、气动参数见文 献 [18]。飞行器推力由发动机模型提供，认为发 动机本身的动态响应可以忽略，在发动机的计算 中不考虑时间项，将发动机模型按照稳态计算。 一维简化冲压发动机模型由进气道、燃烧 室、尾喷管 3 个部分组成[19]。进气道、燃烧室、尾 喷管特性的计算公式分别如式 (1)~(3) 所示。    T¯ 02 = T¯ a · ( 1+ k−1 2 ·Ma2 ) P02 = Pa ·   1+nd · ( T¯ 02 T¯ a −1 ) k k−1   (1)    P04 = P02 f04 = T¯ 04 −T¯ 02 T¯ 02 · ( nbPc CpT¯ 02 − T¯ 04 T¯ 02 ) (2)    us = vuut 2 k k−1 · nhnRT¯ 04   1− ( Pa P04 ) k−1 k   ud = Ma · √ kRT¯ a (3) T¯ P Ma k R n f u 式中： 为温度、 为大气静压、 为飞行器飞行 马赫数、 为空气比热比、 为空气气体常数、 为部件工作效率、 为空燃比、 为气流流速。下 ·850· 智 能 系 统 学 报 第 17 卷