【《无人机群雷达散射截面缩减技术分析案例》2400字】

无人机群雷达散射截面缩减技术分析案例目录TOC\o"1-3"\h\u32627无人机群雷达散射截面缩减技术分析案例 1203681.1RCS缩减排布流程图 1161571.2无人机阵列的方向图函数 2227781.3无人机建模与仿真 5310491.4无人机阵列RCS仿真优化 6RCS缩减排布流程图如下图5所示，本文在基于第二章多目标优化的算法的基础上给出一个无人机线阵RCS缩减排布方法的流程图。其中，使用商用软件FEKO计算出不同姿态下的无人机RCS，根据待优化的无人机总数量，先随机生成初始总群；再利用生成的初始总群结合阵列方向图函数计算出无人机线阵排布的RCS。定义两个在指定范围内保证RCS缩减的目标函数，并运行MODE/A优化；根据优化后的目标函数值，判断是否达到收敛条件；最终从Pareto面上选择解决方案。图5总流程图无人机阵列的方向图函数对任意无人机阵列的散射特性进行分析时，由于阵列规模比较大，故可以采用近似的方向图乘积方法来计算，这种方法的优点是不需要考虑阵列单元之间的耦合，而且计算速度较快，但缺点是精度较低。下面就开始介绍任意阵列散射分析的方向图合成原理。图6阵列示意图如上图6所示，建立一个MN的单元阵列，为了方便起见，阵列单元用黑色的点来表示，阵列单元共M行，N列且均等间距排布，其中的M和N为任意正整数；（m，n）表示阵列中的第m行，第n列的单元因子，在上面的图6中，将（1,1）的位置的单元处于坐标原点，第一列的阵列单元所在的位置定为x轴，第一行的阵列单元所在的位置定为y轴，以垂直于整个阵列向上的方向定为z轴建立球坐标系，设球坐标系中的任意位置的俯仰角为，水平角为。任意阵列总散射场的求解步骤如下所示：设沿着方向的单位幅度平面波照射在了阵列上，则第（m，n）个阵列单元的散射场表示如下：（1.2.1）在上式（1.2.1）中，记Z为平面波阻抗，k表示平面波矢量，r表示了第（1,1）个阵列单元到场点的距离矢量，那么第（m，n）个阵列单元到场点的距离矢量就可以用来表示，在无穷远场区有，表示从坐标原点指向第（m，n）个阵列单元的位置矢量；表示第（m，n）个阵列单元的波振幅矢量，其表达式如下所示：（1.2.2）在上式（1.2.2）中，为积分区间，为单位并矢，为并矢；表示积分变量，第（1,1）个阵列单元的总电流密度用表示，表示第（1,1）个阵列单元的波振幅矢量，为阵列单元到原点的距离矢量，也就是。将式子（1.2.2）代入式子（1.2.1）中，可以得到第（m，n）个阵列单元的散射场的表达式如下所示：（1.2.3）在上式（1.2.3）中，表示第（1,1）个阵列单元的散射场。令表示第（m，n）个阵列单元的x轴坐标，表示第（m，n）个阵列单元的y轴坐标，俯仰角为，水平角为。则可以得到：（1.2.4）将式子（1.2.4）代入式子（1.2.3）中可以得到：（1.2.5）除去所有阵列单元之间的互耦作用，那么阵列的总散射场为各阵列单元散射场的互相叠加：（1.2.6）首先介绍无人机线阵的方向图函数，如图7所示，对N架无人机沿着x轴等间距直线排布，图中均匀平面波垂直照射在无人机阵列上，那么式子（1.2.3）变换为：（1.2.7）图7无人机线阵排布示意图由式子（1.2.6），并结合上图11可得无人机线阵的总散射场为：（1.2.8）在式子（1.2.8）中，表示第n架无人机的散射场，表示电磁波的波长，表示第n架无人机与第1架无人机之间的距离。无人机建模与仿真本文在进行FEKO软件仿真时，采用基于图8所示的简易无人机模型。图8无人机模型就单架无人机而言，在雷达波方向不变的情况下，通过改变无人机与雷达波的夹角从而改变无人机的姿态。不同姿态的无人机在同一视角下的RCS也不同。如图8所示，图中雷达波方向沿着y轴负方向，无人机的姿态随着角度的变化而改变。由于四旋翼无人机是对称结构，因此只需在角度范围内随机取值。在本文中单架无人机的长度宽度都为0.6m，高度为0.1m。电磁波入射方向：，频率设为2.5GHz，通过FEKO电磁仿真软件求出无人机在水平方位面内的RCS。每隔取一次值，即每架无人机都有90种姿态。仿真结果如图9所示。图9在角度范围内的无人机RCS显示由图9可知，在频率设为2.5GHz，电磁波入射方向：的条件下，无人机的最大RCS为。无人机阵列RCS仿真优化为了验证本文算法的正确，分别在电磁仿真软件FEKO和Matlab软件上对两架无人机进行RCS仿真，对比图如下图10所示。由图可得，两种软件仿真得出的RCS曲线基本重合，这正证明了本文算法的正确性。图10两架无人机RCS仿真对比图在雷达波的入射方向不变的情况下，对200架无人机进行线阵排布优化，仿真的频率定为2.5GHz,相邻的两个无人机之间的距离固定为2.5m，优化时，以不同姿态下的无人机RCS为自变量，合成机群在方位面的RCS，使得方位面内的RCS减小。经过仿真调试，最终优化后的Pareto面如图11所示。在Pareto面的解集中，没有任何一组的解决方案比另一组的解决方案更好，所有解都属于一个包含着许多折中解的空间，并且，两个目标参数在达到最优的过程中互相制约，此消彼长。Pareto面上的所有解为非支配最优解，都能够满足目标要求。在图11中，横坐标函数表示寻找方位面内的最大RCS值，纵坐标函数表示寻找方位面内的RCS平均值。MOEA/D是求最小值的算法，设置以上的目标函数可以保证无人机群在方位面内的RCS进行缩减。图11Pareto面由于Pareto面上的点都能满足目标要求，分别选择取得最小值时的点（-2.78，-8.18）和取得最小值时的点（-2.19，-9.78）对应的解集进行计算，那么合成后的RCS如图12所示。图12无人机线阵RCS对比图在图12中，随机实验是结合蒙特卡罗方法，对100架线阵无人机进行100次随机排布，分别求出对应的无人机阵列RCS，将所有实验得出的RCS结果进行叠加之后取平均值得出的曲线。由曲线可以看出，无人机线阵在的方位面内的RCS有显著升高。在进行无人机阵列RCS缩减算法后的曲线在的方位面内的RCS下降幅度十分明显。目标函数取得最小值时的优化结果对于目标来说是较好的，而对于目标来说是较差的；目标函数取得最小值时的优化结果恰恰相反。两条曲线在的方位面内的RCS都明显下降，即优化出的解集均满足设计要求，下面给出目标函数取得最小值时和目标函数取得最小值时的两条详细曲线：图13目标函数取得最小值时的无人机线阵RCS图14目标函数