1 引言
1.1 研究背景与行业痛点
随着航天任务向“高密度发射、多构型适配、快速迭代”发展,运载火箭总体回路设计(含总体参数设计、气动特性计算、弹道优化、姿控稳定性分析)面临三大核心痛点:
1. 传统文档驱动低效:依赖人工传递设计文档,审批流程冗长,参数传递偏差率高,版本更新不及时,导致总体方案迭代周期长达1周/构型;
2. 专业模型协同壁垒:总体、气动、弹道、姿控模型接口不统一,数据无法自由流转,需人工二次转换,且难以实时跟踪数据迭代;
3. 关键环节耗时严重:气动特性获取依赖风洞试验(数月周期、百万级成本)或CFD仿真(数周周期),弹道优化需手动调节参数,攻摆角计算因发动机布局差异需定制化设计,均无法满足快速论证需求。
在此背景下,MBSE以“模型代替文档”为核心,成为解决复杂系统协同设计的关键思想;而数据驱动作为MBSE的核心支撑,通过规范参数定义、构建统一数据链路,可实现专业模型的自动协同与快速迭代,是运载火箭总体设计智能化转型的必然路径。
2 核心研究内容
本文围绕“数据同源、变同知”目标,构建“设计流程-数据规范-专业模型-平台集成”的完整技术体系,核心研究内容如下:
2.1 运载火箭总体小回路设计流程解析
总体小回路设计是火箭初步方案论证的核心,涉及总体、气动、弹道、姿控四大专业,流程如下:
1. 总体专业:根据任务需求确定火箭基本外形(箭体直径、高度)、主要参数(推进剂加注量、发动机性能)与约束;
2. 气动专业:基于总体外形计算飞行剖面内的气动特性(压心系数、力矩系数等),为下游提供输入;
3. 弹道专业:结合总体参数与气动特性开展弹道设计,评估运载能力,若不满足需求则迭代调整总体参数;
4. 姿控专业:基于前序数据分析飞行稳定性(攻摆角、控制力),若不满足控制要求则再次迭代总体方案,最终形成初步方案。
传统流程依赖文档传递,各专业衔接滞后;本文通过数据驱动将流程数字化,实现参数实时流转与迭代跟踪。
2.2 数据驱动的设计思路与协同平台构建
2.2.1 核心设计思想
基于MBSE思想,数据驱动设计的关键在于**“统一规范+数据BOM+工具集成”**:

- 统一数据规范:定义各专业模型的输入/输出参数标准(如气动特性的马赫数、攻角范围,弹道的入轨参数),确保参数传递唯一且明确;
- 数据BOM构建:形成“总体-气动-弹道-姿控”全链路数据物料清单,实时追溯参数来源与迭代记录;
- 工具集成:构建“底层平台+专业模型”的协同设计架构,通过抽象计算策略执行器调用各专业工具(如气动的CFD脚本、弹道的优化算法),实现模型间数据自动交互,打破专业壁垒。
2.2.2 总体协同设计平台架构
平台核心由“专业工具运行容器、数据交互模块、BOM数据库、执行器”组成:

- 执行器:作为核心调度单元,实现专业工具(如MagicDraw、自研气动计算工具)的调用与参数传递;
- 数据交互模块:基于统一规范转换模型间数据格式,确保总体数字火箭、气动模型、弹道模型等的数据兼容性;
- BOM数据库:存储全流程设计数据,支持参数变更的实时同步与追溯,实现“变同知”。
2.3 关键专业模型构建
2.3.1 总体数字火箭构建
总体数字火箭是数据驱动的“源头模型”,实现火箭构型的参数化与可视化,构建步骤如下:

1. 性能指标输入:根据任务需求确定运载能力、入轨参数等顶层指标;
2. 构型解析与模块组合:调用火箭构型数据库(含芯级、助推器、整流罩等模块),选择或新建模块组成初始构型,生成三维轻量化模型;
3. 参数优化:结合推进剂加注量、箭体约束(直径、高度、材料)优化模型;
4. 参数计算:输出质量特性(总重、质心)、飞行特性(推重比)等参数,为下游气动、弹道模型提供输入。
该模型实现“所见即所得”的参数化设计,便于构型管理与快速迭代。
2.3.2 智能气动特性预示模型
针对传统气动特性获取周期长的问题,引入AI代理模型,分两类场景构建:
1. 一次性火箭气动代理模型(Kriging插值):
- 设计变量定义:提取16个外形特征参数(如箭体直径、助推器数量)唯一确定火箭外形;
- 样本生成:采用拉丁超立方试验设计,结合快速网格技术生成训练样本;
- 模型训练与验证:对比Kriging、BP神经网络等模型,选择Kriging模型(误差<10%),压心系数最大误差≤2%,满足方案快速论证需求。

2. 重复使用火箭气动模型(多可信度数据融合):
- 问题难点:重复使用火箭需考虑攻角、侧滑角、马赫数的耦合影响,试验工况多,高精度数据稀缺;
- 技术路径:通过深度神经网络融合“低精度CFD仿真数据(海量)”与“高精度试验数据(少量)”,构建线性+非线性融合模型;
- 效果:跨声速段(传统低精度模型误差大区域)的力矩系数预示精度提升,满足返回段气动特性需求。

2.3.3 智能弹道优化设计模型
弹道设计直接决定运载能力,传统方法依赖人工调参,本文构建自动化优化模型:

1. 参数映射与经验固化:提取弹道设计的共性经验(时间节点、姿态角),建立“设计参数-运载能力”映射关系;
2. 统一优化算法:采用牛顿迭代法,以入轨点速度大小、速度倾角为统一迭代目标,反解雅克比矩阵,实现不同构型(串联、捆绑)的算法统一,避免人工依赖;
3. 约束处理:自动集成航区安全、抛整流罩、测控等约束,实现参数自动迭代优化,快速完成运载能力评估。
该模型支持批量构型对比、级间比优化,提升弹道设计规范化与效率。
2.3.4 通用攻摆角计算模型
攻摆角决定火箭稳定性,传统方法因发动机布局差异需定制化设计,本文通过通用化处理突破适配难题:

1. 核心定义:创新定义“发动机安装方位角(推力作用点与箭体Y轴夹角)”与“摇摆方位角(摇摆坐标系与推力矢量夹角)”,统一不同发动机(单摆/双摆、有无助推)的描述标准;
2. 通用力矩计算:推导统一的控制力矩计算公式,将不同发动机布局的推力投影、力矩合成转化为标准化计算,无需人工设计分配公式;
3. 数据输入自动化:从协同平台自动获取总体参数、气动数据、弹道数据,无需手动输入,提升计算效率与准确性。
2.4 应用案例验证
以多构型火箭为案例,验证方法有效性:
1. 构型论证流程:调用构型数据库→生成总体数字火箭→智能气动预示→智能弹道优化→通用攻摆角分析→方案输出;

2. 效率提升:单个构型回路设计周期从1周缩短至数小时,全箭重量评估周期从1个月压缩至3天;
3. 跨构型适配:支持串联、助推捆绑等不同构型,气动、弹道模型无需重构,仅需调整模块参数即可完成新构型论证。
3 关键技术归纳
1. MBSE下的数据规范与BOM构建技术:定义跨专业参数标准,构建全链路数据BOM,实现“数据同源、变同知”,解决参数传递偏差与追溯难问题;
2. 总体数字火箭参数化建模技术:基于模块库与参数优化,实现火箭构型的可视化与快速迭代,为下游模型提供统一输入;
3. AI驱动的气动代理模型技术:Kriging插值(一次性火箭)、多可信度数据融合(重复使用火箭),将气动预示周期从数周/数月缩短至分钟级;
4. 弹道优化统一算法技术:牛顿迭代法统一不同构型的优化逻辑,固化设计经验,实现参数自动迭代,减少人工依赖;
5. 攻摆角通用化建模技术:通过方位角定义与统一力矩计算,解决不同发动机布局的定制化难题,提升姿控分析效率;
6. 协同设计平台执行器调用技术:实现专业工具的自动调用与数据交互,打破专业壁垒,支撑端到端协同设计。
4 核心创新点
1. 数据驱动的端到端协同设计范式:突破传统文档驱动模式,通过统一数据规范与BOM,实现总体-气动-弹道-姿控的参数实时流转,首次在运载火箭总体回路中实现“模型代替文档”的工程落地;
2. 气动特性预示的AI加速与场景覆盖:针对一次性/重复使用火箭的不同需求,分别提出Kriging插值、多可信度数据融合模型,解决低精度数据泛化差、高精度数据稀缺的矛盾,气动预示效率提升100倍以上;
3. 弹道优化的自动化与统一化:通过参数映射固化经验、牛顿迭代统一算法,首次实现不同构型弹道优化的“无人工干预”,设计结果规范化,运载能力评估误差<5%;
4. 攻摆角的通用化建模:创新定义发动机方位角,推导统一力矩公式,解决单摆/双摆、有无助推等不同布局的适配问题,姿控分析周期缩短60%;
5. 跨构型高效适配:基于模块化构型库与统一数据接口,支持串联、捆绑等多构型论证,设计周期从“周级”降至“小时级”,为高密度任务的多方案对比提供支撑。
5 结论
本文提出的基于数据驱动的运载火箭总体回路设计方法,以MBSE思想为核心,通过统一数据规范、构建智能专业模型与协同平台,解决了传统设计的低效、低适配性问题:
1. 效率显著提升:单个构型回路设计周期缩短90%以上,重量评估周期缩短90%,满足高密度任务的快速迭代需求;
2. 可靠性与规范化:参数传递偏差率降至0,设计结果依赖人工程度降低,提升方案一致性;
3. MBSE转型支撑:以“数据+模型”为核心,推动运载火箭总体设计从“文档驱动”向“数据驱动”转型,为复杂火箭(如重复使用火箭)的全生命周期管理奠定基础。
未来可进一步拓展专业模型覆盖范围(如增压、载荷计算),并融合数字孪生技术,实现“设计-仿真-验证”的全流程智能化。
参考文献:基于数据驱动的运载火箭总体回路设计研究,秦瞳等,机械工程学报
图片来源于知网


