防护 | 易损性驱动环境下，通过遗传算法对弹道防护结构进行拓扑优化

在过去的几十年里，生存能力的重要性大大提高，成为现代平台的一个关键设计因素。因此，迫切需要开发旨在增强平台生存能力特征的工具。在此背景下，本文提出了一个通用框架，用于生成拓扑优化的防护结构，以降低平台的易损性。多目标遗传算法已用于生成防护结构布局，这些防护结构布局能够同时最大限度地降低（i）平台中发现的易损性和（ii）增设防护元件所引起的重量增加。通过两个独立的软件包考虑了两种威胁。也就是说，使用易损性驱动的二维优化框架优化了对弹道冲击的防护，同时开发了一种在三维领域工作的方法来防御爆炸威胁产生的碎片。将易损性驱动的工具与遗传算法结合，用于生成优化的拓扑防护结构，代表了拓扑优化算法领域中的一种新颖方法。然而，结果证明，在易损性框架内使用遗传算法并不足以收敛到连续拓扑。事实上，所采用的优化过程自然地收敛到分散的防护结构，将防护元件放置到位以降低易损性和质量，但未考虑结构的连续性。因此，两个模块中均应用了空间滤波技术，以推动优化器实现连续防护结构布局。此外，本文还为三维框架提出了基于伯努利试验和防护结构图形表示的自定义变异函数，以便更容易收敛到连续解。这种基于图形的自定义变异函数的实现不仅可以加速算法的收敛，还可以生成连续解和优化解，这是本文的另一个创新之处。为证明所提出的优化方法的能力，考虑了对具有三个关键部件的空中平台的典型部分进行案例研究。结合了遗传算法的易损性算法首先应用于子弹作为撞击物体的“简单”情况，以验证其在该场景中的正确功能。然后，将其应用于涉及三维域和引爆物体碎片的更复杂案例研究。在这个更复杂的案例研究中，与遗传算法不同的方法（例如枚举法）不能用来得出一组非支配解。在这种情况下，无法保证实现能同时最小化两个适应度函数的连续布局。通过二维优化框架，独立生成了对向两个不同方向飞行的射弹的防护结构。在帕累托前沿内确定了几种防护结构布局，每种布局的特征在于两个目标函数之间的不同比率。所提出的优化工具的这一特征使设计人员能够考虑各种解决方案，并根据设计策略和约束条件选择最佳解决方案。如图11、图14所示，优化的防护结构布局对所考虑的两个方面都呈现出有限的质量。拓扑优化基于防护结构能够完全遮挡撞击物体的假设。因此，如果用户想要确定防护结构的刚度，应考虑刚度受防护结构厚度的影响。因此，应计算适当的厚度。相反，考虑到平台周围的几个引爆点和引爆距离，并假设引爆物体只有一个飞行方向，对碎片防护进行了优化。通过多目标遗传算法生成了单个解。最终，增加引爆点的数量和引爆距离以及考虑多角度引爆并不会产生覆盖飞机整个表面的防护结构，因为这将最大化重量适应度函数。相反，在这种复杂的情况下，由算法产生的最佳防护结构将覆盖使碎片通过并拦截目标部件的大部分蒙皮部分，同时将对其他非关键区域的保护量减少到最低限度。由于所提出的生成连续优化解决方案的方法能够适应平台蒙皮的任何复杂形状，因此最终可以在实际应用中安装由优化框架产生的这种防护结构布局。
然而，承认所提出的方法的某些局限性很重要。例如，当应用于更复杂的演示器时，该算法的计算时间很长。通过将程序移植到不同的计算环境（例如Python©）中，即可潜在地缓解这种局限性。在Python©环境中，可以利用专业库在GPU上执行程序，从而显著缩短计算时间。此外，还应该注意，目前的软件没有考虑到安装防护结构所需的所有附加结构的重量。未来的升级应解决这些局限性。进一步的工作包括改进专门用于弹道冲击的优化框架，以便设计防护结构，用于保护已识别的关键部件不受来自不同方向射弹的影响。这需要将算法推广到三维域，并采用与已经为碎片实现的方案类似的方案。此外，所提出的优化方法的适用范围还将扩展到包括爆炸波造成的毁伤。   

在过去的几十年里，生存能力的重要性大大提高，成为现代平台的一个关键设计因素。因此，迫切需要开发旨在增强平台生存能力特征的工具。在此背景下，本文提出了一个通用框架，用于生成拓扑优化的防护结构，以降低平台的易损性。多目标遗传算法已用于生成防护结构布局，这些防护结构布局能够同时最大限度地降低（i）平台中发现的易损性和（ii）增设防护元件所引起的重量增加。通过两个独立的软件包考虑了两种威胁。也就是说，使用易损性驱动的二维优化框架优化了对弹道冲击的防护，同时开发了一种在三维领域工作的方法来防御爆炸威胁产生的碎片。将易损性驱动的工具与遗传算法结合，用于生成优化的拓扑防护结构，代表了拓扑优化算法领域中的一种新颖方法。然而，结果证明，在易损性框架内使用遗传算法并不足以收敛到连续拓扑。事实上，所采用的优化过程自然地收敛到分散的防护结构，将防护元件放置到位以降低易损性和质量，但未考虑结构的连续性。因此，两个模块中均应用了空间滤波技术，以推动优化器实现连续防护结构布局。此外，本文还为三维框架提出了基于伯努利试验和防护结构图形表示的自定义变异函数，以便更容易收敛到连续解。这种基于图形的自定义变异函数的实现不仅可以加速算法的收敛，还可以生成连续解和优化解，这是本文的另一个创新之处。为证明所提出的优化方法的能力，考虑了对具有三个关键部件的空中平台的典型部分进行案例研究。结合了遗传算法的易损性算法首先应用于子弹作为撞击物体的“简单”情况，以验证其在该场景中的正确功能。然后，将其应用于涉及三维域和引爆物体碎片的更复杂案例研究。在这个更复杂的案例研究中，与遗传算法不同的方法（例如枚举法）不能用来得出一组非支配解。在这种情况下，无法保证实现能同时最小化两个适应度函数的连续布局。通过二维优化框架，独立生成了对向两个不同方向飞行的射弹的防护结构。在帕累托前沿内确定了几种防护结构布局，每种布局的特征在于两个目标函数之间的不同比率。所提出的优化工具的这一特征使设计人员能够考虑各种解决方案，并根据设计策略和约束条件选择最佳解决方案。如图11、图14所示，优化的防护结构布局对所考虑的两个方面都呈现出有限的质量。拓扑优化基于防护结构能够完全遮挡撞击物体的假设。因此，如果用户想要确定防护结构的刚度，应考虑刚度受防护结构厚度的影响。因此，应计算适当的厚度。相反，考虑到平台周围的几个引爆点和引爆距离，并假设引爆物体只有一个飞行方向，对碎片防护进行了优化。通过多目标遗传算法生成了单个解。最终，增加引爆点的数量和引爆距离以及考虑多角度引爆并不会产生覆盖飞机整个表面的防护结构，因为这将最大化重量适应度函数。相反，在这种复杂的情况下，由算法产生的最佳防护结构将覆盖使碎片通过并拦截目标部件的大部分蒙皮部分，同时将对其他非关键区域的保护量减少到最低限度。由于所提出的生成连续优化解决方案的方法能够适应平台蒙皮的任何复杂形状，因此最终可以在实际应用中安装由优化框架产生的这种防护结构布局。
然而，承认所提出的方法的某些局限性很重要。例如，当应用于更复杂的演示器时，该算法的计算时间很长。通过将程序移植到不同的计算环境（例如Python©）中，即可潜在地缓解这种局限性。在Python©环境中，可以利用专业库在GPU上执行程序，从而显著缩短计算时间。此外，还应该注意，目前的软件没有考虑到安装防护结构所需的所有附加结构的重量。未来的升级应解决这些局限性。进一步的工作包括改进专门用于弹道冲击的优化框架，以便设计防护结构，用于保护已识别的关键部件不受来自不同方向射弹的影响。这需要将算法推广到三维域，并采用与已经为碎片实现的方案类似的方案。此外，所提出的优化方法的适用范围还将扩展到包括爆炸波造成的毁伤。

编辑：陈微，曹文丽

审核：田丽