自動榴彈發(fā)射器供彈機構(gòu)性能分析與優(yōu)化研究

王永娟，朱志剛，王亞平

(南京理工大學(xué) 機械工程學(xué)院, 江蘇 南京 210094)

彈鏈供彈的輸彈機構(gòu)和進彈機構(gòu)的結(jié)構(gòu)在很大程度上決定了自動機結(jié)構(gòu)的復(fù)雜程度和工作可靠性，并直接影響武器的射擊頻率；大量實彈射擊表明，自動武器的故障大部分是由供彈引起的，供彈機構(gòu)直接影響著基礎(chǔ)構(gòu)件的平穩(wěn)性和能量消耗[1-2]。

國內(nèi)研究人員對火炮與自動武器的自動機和供彈機構(gòu)性能預(yù)測與優(yōu)化作了大量工作。倪進峰、徐誠等建立了某機槍系統(tǒng)的虛擬樣機模型，對供輸彈機構(gòu)的運動進行了仿真分析和參數(shù)優(yōu)化設(shè)計[3]；程剛、張相炎等對轉(zhuǎn)管自動炮高速供彈機構(gòu)進行了優(yōu)化設(shè)計[4]；王宇建、薛德慶等針對某環(huán)形杠桿供彈機構(gòu)現(xiàn)存問題進行動力學(xué)分析及參數(shù)優(yōu)化探討[5]；汪立國針對某自動機在射擊過程中出現(xiàn)的供彈不到位等故障,應(yīng)用田口方法對供彈機運動模型進行穩(wěn)健性優(yōu)化設(shè)計[6]。但目前國內(nèi)關(guān)于自動榴彈發(fā)射器供彈機構(gòu)優(yōu)化研究較少。

本文以某40 mm自動榴彈發(fā)射器為研究對象，建立自動機與供彈機構(gòu)的虛擬樣機模型，進行供彈機構(gòu)的杠桿凸輪輪廓曲線的參數(shù)化建模，提出一種基于虛擬樣機的供彈機構(gòu)優(yōu)化設(shè)計方法，實現(xiàn)供彈機構(gòu)優(yōu)化，顯著減少供彈機構(gòu)的能量損耗。

1 虛擬樣機建模與仿真

本文研究的某40 mm自動榴彈發(fā)射器，類似于美國Mk19-3自動榴彈發(fā)射器，發(fā)射大底緣彈藥，工作原理是槍機后坐式，前沖擊發(fā)，彈鏈供彈，利用弧形導(dǎo)軌供彈拋殼。三維實體模型經(jīng)簡化后，導(dǎo)入ADAMS建立的虛擬樣機模型圖1所示。

整個自動機和供彈機仿真模型包含25個剛體(不計地面)，旋轉(zhuǎn)副6個，移動副5個，固定副15個。碰撞和約束設(shè)置后，按發(fā)射過程動量守恒定理，確定槍機初始速度為7.5 m/s，經(jīng)仿真計算，得到撥彈滑板位移與速度曲線如圖2和圖3所示，撥彈齒所撥榴彈的位移曲線如圖4所示，自動機的位移速度曲線如圖5所示，自動機速度仿真結(jié)果與實驗測量結(jié)果如表1所示。

表1 仿真結(jié)果與試驗測量結(jié)果對比

由圖2和圖3知，撥彈滑板能夠完成撥彈任務(wù)，最高運動速度為3.2 m/s，撥彈滑板的速度曲線有兩次較大波動，主要是由自動機與杠桿輪廓曲線之間的碰撞引起，撥彈滑板在回到初始位置發(fā)生了較小碰撞。由圖4可以看出，榴彈被撥彈齒逐漸撥到進彈口位置，在進彈口處發(fā)生較小碰撞，但可以順利推彈入膛。

從表1知，仿真結(jié)果與實驗測量結(jié)果基本吻合，證明了虛擬樣機模型建立的正確性。自動機后坐初始速度為7.5 m/s，在0.04 s后坐到位，速度為5.1 m/s，在0.09 s撥彈完成，速度為-5.1 m/s。為了減小供彈機構(gòu)的能量損失，需要對凸輪杠桿傳動機構(gòu)進行優(yōu)化設(shè)計，得到較為理想的大杠桿的凸輪輪廓曲線。

2 供彈機構(gòu)優(yōu)化設(shè)計方法

2.1 優(yōu)化設(shè)計模型

2.1.1 目標函數(shù)

1) 以自動機后坐能量損失最少為優(yōu)化目標凸輪輪廓曲線應(yīng)保證自動機后坐過程能量損失較小，自動機后坐初始速度為7.5 m/s，初始能量為定值，自動機后坐到位能量應(yīng)最大，因此速度v1需取得最大值，-v1需取得最小值:

Minf1=-v1

2) 以自動機復(fù)進過程撥彈能量損失最少為優(yōu)化目標

復(fù)進過程中，撥彈滑板撥彈后回到初始位置，自動機能量應(yīng)越大越好，已知后坐過程速度為正，復(fù)進過程速度為負，所以撥彈完成速度v2取最小值:

Minf2=v2

3) 綜合目標函數(shù)

采用線性組合方法，將多目標函數(shù)轉(zhuǎn)化為綜合評價函數(shù)，取為：

Minf=w1f1+w2f2

其中，w1，w2為權(quán)重因子，w1≥0，w2≥0，w1+w2=1，考慮到自動機后坐能量損失和復(fù)進過程撥彈能量損失對目標函數(shù)的影響同等重要，選取的加權(quán)系數(shù)值為w1=0.5，w2= 0.5。

2.1.2 設(shè)計變量

大杠桿的凸輪輪廓曲線由相切的直線圓弧構(gòu)成，左邊兩端圓弧為同心圓，右邊兩端圓弧為也為同心圓，它們之間用切線連接。在ADAMS中，共用180個點作出封閉樣條曲線，簡化表示大杠桿的上端面輪廓，然后拉伸得到大杠桿的輪廓。選取下半段輪廓曲線左圓弧半徑R、圓心橫坐標x0、縱坐標y0、右圓弧半徑R3、圓心橫坐標x30、縱坐標y30為設(shè)計變量，對大杠桿凸輪輪廓曲線進行參數(shù)化，參數(shù)化模型結(jié)果圖6所示。

2.1.3 約束條件

受杠桿輪廓曲線結(jié)構(gòu)條件和供彈機構(gòu)整體布局尺寸的限制，各設(shè)計參數(shù)必須有約束條件：130 mm≤R≤150 mm，100 mm≤R3≤104 mm，243≤x0≤248，-116≤y0≤-111，116≤x30≤121，112≤y30≤115。

設(shè)計參數(shù)的改變驅(qū)動杠桿輪廓曲線變化，必須保證自動機能夠后坐到位和復(fù)進到位， 其次，在自動機后坐到位時，撥彈滑板和撥彈齒應(yīng)能夠?qū)⒌?發(fā)彈順利撥到進彈口位置，定義約束條件為：S1≥295 mm,S2≤90 mm,y≥-8 mm。

2.2 設(shè)計變量的靈敏度分析

靈敏度是目標函數(shù)對設(shè)計變量的偏導(dǎo)數(shù)。靈敏度分析可以有效地選擇設(shè)計變量，使優(yōu)化設(shè)計收到事半功倍的效果。在優(yōu)化設(shè)計前，評估設(shè)計變量R，R3，x0，y0，x30，y30在供彈過程中對能量損耗的影響情況。設(shè)計變量R對目標函數(shù)的影響情況如圖7和圖8所示。

目標函數(shù)是由v1、v2線性加權(quán)構(gòu)成，而v2在后坐到位有減為零的時刻，所以目標函數(shù)變化曲線中出現(xiàn)急劇減小的過程。從目標函數(shù)隨R變化曲線看，隨著R不斷增加，目標函數(shù)先增加后減小，有峰值出現(xiàn)。

運用相同的方法得到R3，x0，y0，x30，y30在初始值處的靈敏度，如表2所示。

表2 設(shè)計變量分析結(jié)果

由表2可以看出，R在初始值處對目標函數(shù)的影響最大，而x30對目標函數(shù)的影響最小，所以為了提高優(yōu)化設(shè)計的效率，可以將x30取為定值。

2.3 優(yōu)化設(shè)計計算結(jié)果與分析

2.3.1 多島遺傳算法

遺傳算法是廣泛應(yīng)用的全局優(yōu)化算法。該算法模擬達爾文的遺傳選擇和自然淘汰的生物進化過程，是將遺傳學(xué)的原理和進化論的思想應(yīng)用于優(yōu)化編碼而形成的一種算法；多島遺傳算法是傳統(tǒng)遺傳算法的改進算法，繼承了遺傳算法的基本思想，不僅具有很強的全局尋優(yōu)能力和隱含并行性的特點，而且解決了遺傳算法中早熟的難題；多島遺傳算法將整個進化群體劃分成若干子群體，稱為“島嶼”，在每個島嶼上對子群體獨立地進行傳統(tǒng)遺傳算法的選擇、交叉、變異等遺傳操作，定期隨機選擇一些個體進行“遷移”操作，將其轉(zhuǎn)移到別的島嶼上，通過這種方式，可維持群體的多樣性，多島遺傳算法作為一種偽并行遺傳算法可以更好地在優(yōu)化域中尋找全局最優(yōu)解[7-8]。具體多島遺傳算法的流程圖如圖9所示。

供彈系統(tǒng)杠桿凸輪輪廓曲線的優(yōu)化屬于多目標多約束優(yōu)化問題，傳統(tǒng)的算法易造成收斂速度慢和陷入局部最優(yōu)的問題，所以選擇多島遺傳算法。

在選定算法后，借助多學(xué)科優(yōu)化軟件iSIGHT,集成動力學(xué)仿真軟件ADAMS，采用批處理方式運行，ADAMS運行結(jié)果在每次優(yōu)化過程被iSIGHT調(diào)用。iSIGHT中設(shè)置多島遺傳算法的參數(shù)，包括種群大小、島數(shù)、交叉概率、變異概率、遷移間隔以及遷移概率等。設(shè)定種群數(shù)為10，島數(shù)為10，編碼長度為32，交叉概率為0.6，變異概率為0.04，遷移間隔為5,個體的適應(yīng)度值依據(jù)目標函數(shù)和約束函數(shù)的數(shù)值來評價，數(shù)值越小代表個體適應(yīng)度值越高。

2.3.2 優(yōu)化結(jié)果及分析

基于供彈機構(gòu)杠桿凸輪輪廓曲線參數(shù)化后的虛擬樣機仿真模型，應(yīng)用多島遺傳算法，經(jīng)過1 000次迭代，得到最優(yōu)解。綜合目標函數(shù)收斂歷程，v1與v2變化歷程如圖10和圖11所示，Rc為迭代次數(shù)，優(yōu)化前后設(shè)計變量和目標函數(shù)值如表3所示。

表3 優(yōu)化前后設(shè)計變量和目標函數(shù)值

由上述圖表知，與優(yōu)化設(shè)計前相比，自動機后坐到位速度提高3.62% ，撥彈完成自動機速度提高20.58%，而后坐到位能量提高7.39%，撥彈完成自動機能量提高45.39%。將優(yōu)化數(shù)值代入自動榴彈發(fā)射器虛擬樣機模型中，得到的自動機運動仿真曲線與初始曲線相比，改善效果顯著，如圖12所示。

3 結(jié) 論

建立了40 mm口徑自動榴彈發(fā)射器自動機和供彈機虛擬樣機模型，進行了仿真計算，并與試驗結(jié)果進行比較，驗證了模型的正確性。參數(shù)化了供彈機構(gòu)的杠桿凸輪輪廓曲線，進行了設(shè)計變量的靈敏度分析和多目標優(yōu)化設(shè)計，運用多島遺傳算法很快在全局找到了最優(yōu)解，顯著減少了供彈機構(gòu)的能量損耗，提高了自動機和供彈機構(gòu)的工作性能，為類似自動武器供彈機構(gòu)的輪廓曲線結(jié)構(gòu)優(yōu)化提供了新方法，同時為進一步進行某自動榴彈發(fā)射器供彈機構(gòu)的工程樣機改進提供了參考依據(jù)。

[1] 戴成勛，靳天佑，朵英賢.自動武器設(shè)計新編[M] .北京：國防工業(yè)出版社，1990:282-300.

DAI Cheng-xun,JIN Tian-you,DUO Ying-xian. The newly organized of automatic weapon design[M].Beijing: National Defense Industry Press, 1990:282-300.(in Chinese)

[2] 于道文，涂光蘇，殷仁龍. 自動武器學(xué)[M]. 北京：國防工業(yè)出版社，1992:263-264.

YU Dao-wen,TU Guang-su,YIN Ren-long.Automatic weapon theory[M].Beijing: National Defense Industry Press, 1990:263-264. (in Chinese)

[3] 倪進峰，徐誠，胡志剛.機槍系統(tǒng)虛擬樣機建模及仿真分析[J].系統(tǒng)仿真學(xué)報, 2005,17(8):1909-1911.

NI Jin-feng,XU Cheng, HU Zhi-gang. Virtual prototype modeling and simulation analysis of machine gun system[J].Journal of System Simulation, 2005,17(8):1909-1911. (in Chinese)

[4] 程剛，張相炎，董志強，等.高速供彈機構(gòu)運動可靠性仿真研究[J].兵工學(xué)報，2011,32(7):801-804.

CHENG Gan,ZHANG Xiang-yan,DONG Zhi-qiang,et al.Simulation research on motion reliability of high-speed feed mechanism[J].ACTA Armamentarii, 2011,32(7):801-804. (in Chinese)

[5] 王宇建，薛德慶， 王瑞林，等.某供彈機構(gòu)現(xiàn)存問題動力學(xué)分析及參數(shù)優(yōu)化探討[J].軍械工程學(xué)院學(xué)報，2006,18(2)：1-4.

WANG Yu-jian,XUE De-qing,WANG Rui-lin,et al.Dynamic analysis and parameter optimization for existing faults of a certain feed mechanism[J]. Journal of Ordnance Engineering College,2006,18(2)：1-4. (in Chinese)

[6] 汪立國，任睿，程廣偉，等．田口方法在某供彈機構(gòu)穩(wěn)健性設(shè)計中的應(yīng)用[J]．火炮發(fā)射與控制學(xué)報,2008(4):41-44.

WANG Li-guo, REN Rui,CHENG Guang-wei,et al.Application of taguchi method in feed mech-anism robust design[J].Journal of Gun Launch and Control, 2008(4)：41-44. (in Chinese)

[7] 江坤，錢林方，徐亞棟，等.炮口制退器斜切噴口結(jié)構(gòu)優(yōu)化及其應(yīng)用[J].系統(tǒng)仿真學(xué)報，2007,19(9):2094-2096.

JIANG Kun,QIAN Lin-fang,XU Ya-dong,et al.Optimization and application of muzzle brake bevel nozzle[J].Journal of System Simulation, 2007,19(9):2094-2096. (in Chinese)

[8] 宋昕，谷正氣， 張清林，等．基于多島遺傳算法的湍流模型優(yōu)化研究[J].湖南大學(xué)學(xué)報：自然科學(xué)版，2011,38(2):23-29.

SONG Xin,GU Zheng-qi,ZHANG Qing-lin,et al.Study of the turbulence model optimization based on multiisland genetic algorithm[J].Journal of Hunan University：Natural Sciences, 2011,38(2):23-29. (in Chinese)