基于凸优化的再入轨迹三维剖面规划方法

可重复使用飞行器一般采用大升阻比气动外形，再入轨迹三维剖面规划方法可充分发挥这类飞行器固有的机动能力。计算量大是制约三维剖面规划应用的难题，为提高计算效率，提出了一种基于凸优化的再入轨迹三维剖面规划方法。首先，分析运动方程特性，利用定义新的控制变量、约束松弛、连续线性化等技术，将原始非凸的三维剖面规划问题转化为一个凸优化问题。其次，将指令反解步骤嵌入至序列凸化算法中，通过迭代求解凸优化子问题，获得原问题的可行解。数值仿真结果表明所提方法具有较高的求解精度和确定的收敛性质，飞行器的机动能力得到充分发挥；与伪谱法的结果对比表明凸优化方法在轨迹规划问题上具有更高的求解效率。     

基于Proximal-Newton-Kantorovich凸规划的空天飞行器实时轨迹优化

针对空天飞行器大气层内上升段实时轨迹优化问题，提出一种基于Proximal-Newton-Kantorovich凸规划的轨迹优化方法。首先，应用Newton-Kantorovich迭代方法将轨迹优化问题转化为一系列的子问题，每个子问题都是一个线性最优控制问题；其次，针对Newton-Kantorovich迭代方法忽略运动方程中的高阶信息，导致难以收敛这一问题，提出Proximal-Newton-Kantorovich迭代方法，在子问题的性能指标中加入邻近规则化项，改善了Newton-Kantorovich迭代方法的收敛性；最后，将子问题离散为二阶锥规划问题，并应用内点法进行求解。提出的Proximal-Newton-Kantorovich凸规划方法是一种求解非线性轨迹规划问题的可行途径。理论分析表明，Proximal-Newton-Kantorovich迭代方法的收敛结果一定是轨迹优化问题的局部最优解。数值实验表明，此方法的计算时间在毫秒级。     

扰动环境下火星精确着陆自主轨迹规划方法

针对扰动环境下火星精确着陆动力下降段自主轨迹规划问题,在终端时间自由条件下,研究了基于序列凸优化方法的自主轨迹规划方法。首先,在终端自由情况下,建立初始状态无扰动轨迹预规划问题。其次,结合鲁棒Tube-MPC思想,针对线性反馈控制律,建立扰动环境下着陆轨迹重规划问题,分析重规划问题的可行性,给出了预规划问题可行的必要性条件,为控制参数的选取提供参考,提出扰动环境下火星精确着陆自主轨迹规划框架。然后,针对终端自由问题,将飞行时域映射到单位时间,建立序列凸优化子问题,对子问题进行线性近似,使用序列凸优化方法进行求解并分析了收敛解的最优性。最后,进行数值仿真,验证扰动环境下火星精确着陆自主轨迹规划方法的有效性。     

非匹配包线下无人机空基回收拖曳系统协调运动规划

针对非匹配包线下固定翼无人机（UAV）拖曳式空基回收过程中的浮标轨迹稳定问题，提出一种盘旋拖曳系统运动规划方法，通过实时协调母机运动和缆绳收放从而实现浮标拖曳轨道精准稳定。首先，构建气流扰动下考虑缆绳弹性和收放特性的母机-缆绳-浮标组合体多体动力学模型。继而，综合考虑拖曳系统动力学约束和母机飞行能力、缆绳收放能力等物理约束，分别建立基于母机运动和基于母机运动-缆绳收放协调的盘旋拖曳系统运动规划最优控制模型。随后，采用hp自适应Radau伪谱法将所建最优控制模型转化为非线性规划问题，并通过SNOPT求解器解算。最终，通过平静大气下母机运动规划、常值风扰下母机运动规划和常值风扰下母机运动-缆绳收放协调运动规划等典型场景下的仿真实验对比分析表明，本方法可实现一定气流扰动和拖曳系统物理约束下浮标拖曳轨道精准稳定。     

联立法求解月面上升段最优轨迹的快速收敛控制技术

为了更好地解决复杂约束下的航天器月面上升段在线轨迹规划问题,提出了一种求解最优轨迹的联立框架。首先利用有限元正交配置法将状态变量和控制变量完全离散化,得到一个非线性规划命题。考虑到命题中含有较多的不等式约束并且会随着有限元的增加而增加,故采用内点算法对非线性规划命题进行求解。离散化后的非线性规划命题的规模大幅度增加,导致了优化计算难度的加大和求解时间的增加,为了便于联立法的在线应用,采用收敛深度控制策略从平衡解的精度和计算效率的角度来改进优化算法的实时性。以某航天器载人返回任务月面上升段场景为算例进行仿真,结果表明基于联立法求得的最优控制量序列得到的飞行轨迹满足轨道根数的精度要求,同时利用收敛深度控制策略可以实现快速收敛控制。     

多滑翔飞行器时间协同轨迹快速规划

从高超声速飞行器集群"探测-打击-评估"一体化任务需求出发,针对多滑翔飞行器时间协同再入轨迹规划问题进行研究,提出集群再入的协同形式及轨迹规划方案,基于改进序列凸化算法解决了再入总飞行时间的精确控制问题,从而实现滑翔段时间协同。首先,给出了滑翔飞行器集群的协同策略,将求解模型转化为协同时间的确定、协同时间约束下的轨迹规划子问题。将模型中的时间项误差等加入罚函数,提高了协同轨迹求解可行性。引入飞行路径角预设剖面作为软约束,并通过罚函数与信赖域自适应调整,以避免轨迹求解时的振荡问题,提高了序列凸化算法的收敛性。以CAV-H飞行器模型为例验证了算法的有效性,仿真结果表明,所提算法对初值的敏感性低,求解得到的再入总时间可调范围与伪谱法一致,轨迹规划结果的平滑性及计算时间均优于伪谱法。     

基于偏置比例导引与凸优化的火箭垂直着陆制导

凸优化由于求解效率高在飞行器轨迹规划和制导中得到广泛研究应用。但是，由于火箭垂直返回制导需要考虑气动力带来的非线性，现有的凸优化求解方法或简单地采取逐次线性化近似凸化最优控制问题，经常出现收敛性问题；或需针对具体问题进行相应的系列凸化剪裁，虽然改善了收敛性，但不同模型的凸化剪裁方法差别很大，通用性较差。为此，将偏置比例导引与凸优化相结合，用以求解存在落角、落速和推力范围约束的火箭垂直返回定点软着陆制导问题。提出的制导方法将该制导问题分解为法向满足落角与落点约束的偏置比例导引，以及切向满足速度与推力约束的凸优化和滚动时域控制制导。在切向制导中，提出利用三次多项式近似飞行轨迹以方便凸优化求解，并建立剩余飞行时间的估算方法以提供给比例导引。仿真结果表明，提出的制导方法能有效满足各种约束，实现火箭精确着陆。与现有的直接采取逐次线性化近似的凸优化方法相比，提出的方法由于将制导进行切向和法向分解，大为简化了凸优化模型，显著提高了求解效率和收敛性。此外，提出的方法无需复杂繁琐的凸化处理，对于一般的推力可控且对末速存在约束的固定终端位置的制导问题皆适用。     

动态优先级解耦的无人机集群轨迹分布式序列凸规划

针对无人机集群轨迹规划高维强耦合特征导致计算复杂度高的难题,提出了动态优先级解耦的序列凸规划方法(DPD-SCP),将耦合的集群轨迹规划问题拆分为若干单机凸规划子问题,通过分布式求解提高集群轨迹规划的计算效率与可扩展性.设计飞行时间驱动的动态优先级解耦机制,降低飞行时间短无人机优先级,挖掘其轨迹调整潜力,消除集群相互规...     

基于高斯伪谱法的翼伞系统复杂多约束轨迹规划

翼伞系统在实际环境中飞行时易受到风场以及地形环境等复杂干扰的影响,无法精确归航,控制难度较大。针对该问题,提出了一种针对复杂多约束条件的翼伞系统的最优控制轨迹规划方法,可同时实现翼伞系统在复杂环境下逆风对准、精确着陆以及控制量全局最优的控制目标。首先,建立了风场干扰下的翼伞系统模型;然后,通过引入地形环境曲面,将复杂环境转化为实时路径约束,将轨迹着陆偏差以及逆风雀降转化为终端约束,并考虑控制量消耗最小为目标函数,以此将复杂环境下的翼伞系统的轨迹优化转化为一系列非线性的带有复杂约束的最优控制问题;最后,采用高斯伪谱法将多约束最优控制问题转化为易于求解的非线性规划问题。通过设立3组复杂环境仿真实例和实验验证,表明本文方法使翼伞系统在多种较恶劣的复杂环境中有效应对多类约束条件,规划出控制量全局最优的可行轨迹。与已有的混沌粒子群优化算法相比,本文方法具有较好的最优性和较高的精度。     

基于混合整数线性规划的无人机任务规划

将无人机模型近似为以恒定速度和有限转弯速率运动在二维平面上的质点,将无人机动态约束通过均差近似处理为线性数学模型,提出了将敌对威胁建模为随无人机位置而动态变化的矩形,以此为前提,设计了无人机最短时间飞行轨迹。通过引入决策变量和灵活地对时序等约束条件进行数学形式化,设计出一种单编队、多无人机、多目标时序约束条件下的任务分配模型。通过仿真,验证了模型的有效性。     

基于协同进化粒子群和Pareto最优解的卫星编队队形重构方法

针对卫星编队自主队形重构问题,提出了基于协同进化粒子群优化(CPSO)和Pareto最优解的求解方法.首先,使用Legendre伪谱法(LPM)将队形重构问题离散化为非线性规划(NLP)问题;其次,根据卫星编队的特点及碰撞规避的需要,使用CPSO算法对重构问题采用既独立又集中的求解方式,避免了传统优化方法对梯度的求解;...     

编队卫星队形重构防碰撞最优轨迹规划

 针对编队卫星队形重构的轨迹规划问题,提出了直接配置混合整数线性规划(DCMILP)方法。首先将卫星编队飞行问题进行简化,整个过程使用线性化描述;继而将三阶Simpson方法扩展至编队卫星的队形重构过程中,将各卫星的状态量和控制量在各节点处离散化;然后根据目标函数及碰撞规避问题等各种约束条件,将整个过程转化为混合整数线性规划问题,从而可以找到该非凸问题的全局最优解。最后,通过对三维和二维两组编队卫星队形重构进行仿真,由结果可以看出,与传统方法相比该方法快速有效,能够满足实时性的要求,使得卫星编队的自主运行成为可能。     

认知无线电网络中基于几何规划的分布式功率控制

功率控制对于允许次用户和主用户之间频谱共享的认知无线电网络来说是关键的,针对具有干扰限制的认知网络最大总容量得到一种最优的分步式功率控制策略,对于系统效用的非凸性,引入几何规划把非凸最优化问题转换为凸最优化问题,引入辅助变量和额外等式约束,把效用之间的关联转化为约束之间的关联,提出了功率控制策略的解决方法,显示了整体最...     

城市风场环境中的无人机快速航迹规划方法

密集的城市障碍环境以及复杂的城市风场干扰对航迹规划的实时性和航迹跟踪的准确性提出了严格要求,为此提出一种城市风场环境中的小型无人机(UAVs)快速航迹规划方法。首先,为了保证航迹规划的高效性,对固定翼无人机运动学方程进行了合理简化。其次,由于障碍环境中的最优航迹难以直接完全塑造,因此根据状态受限的最优控制理论给出了可以使用螺旋线与直线构建近似最优航迹的结论,并据此提出了一种针对城市环境的三维航迹规划方法。然后,通过对无人机运动学模型的分析,从规划角度提出了风场干扰下的航迹设计准则。仿真实验中,首先通过算法对比实验,验证了航迹规划方法的高效性;然后使用六自由度(DOF)飞机模型分别在无风场干扰和有风场干扰的环境下进行了航迹跟踪实验,实验结果证明了风场干扰下航迹设计准则的有效性。     

Adaptive path planning for unmanned aerial vehicles based on bi-level programming and variable planning time interval

This paper presents an adaptive path planner for unmanned aerial vehicles (UAVs) to adapt a real-time path search procedure to variations and fluctuations of UAVs’ relevant performances, with respect to sensory capability, maneuverability, and flight velocity limit. On the basis of a novel adaptability-involved problem statement, bi-level programming (BLP) and variable planning step techniques are introduced to model the necessary path planning components and then an adaptive path planner is developed for the purpose of adaptation and optimization. Additionally, both probabilistic-risk-based obstacle avoidance and performance limits are described as path search constraints to guarantee path safety and navigability. A discrete-search-based path planning solution, embedded with four optimization strategies, is especially designed for the planner to efficiently generate optimal flight paths in complex operational spaces, within which different surface-to-air missiles (SAMs) are deployed. Simulation results in challenging and stochastic scenarios firstly demonstrate the effectiveness and efficiency of the proposed planner, and then verify its great adaptability and relative stability when planning optimal paths for a UAV with changing or fluctuating performances.     

基于梯度下降法的翼伞系统最优分段航迹规划

传统最优控制航迹规划一般以逆风精确着陆、控制能量小为优化目标，但传统最优控制的操纵过程一般是一条连续变化的曲线，工程上不易实施；与之相比，传统分段航迹规划操纵简单，工程上容易实施，能实现逆风精确着陆的目标，但控制能耗大。为了兼顾逆风精确着陆、能耗低和控制操作简单等目标，提出了一种基于梯度下降法的翼伞最优分段航迹规划方法。该方法将控制变量参数化，将逆风精确着陆、控制能耗小、能实现避障等多目标优化问题转化为加权单目标优化问题，并通过梯度下降法求解得到分段常值最优归航航迹。所提算法与基于伪谱法的最优控制规划航迹和基于遗传算法的分段规划航迹进行了对比，算法仿真结果表明本文提出的最优分段航迹规划法既可以实现着陆精度高、控制能量小、逆风着陆和避障的优化目标，同时规划的航迹又由分段常值实现控制，工程上容易实施，兼顾了最优控制航迹规划和分段航迹规划的优点。     

固定翼无人机编队的启发分布式模型预测控制

针对无人机编队飞行控制中队形保持、路径规划、重构、防撞等多重功能需求,采用启发型分布式模型预测控制框架,将需求转化为多目标优化问题中的代价函数与相容性约束求解,实现了对无人机编队飞行的一体化控制.同时,采用分阶段式的轨迹规划算法,融合模型预测轨迹规划与多项式轨迹规划,利用多项式轨迹系数实现高效的邻居轨迹信息交互,从而增大了模型预测控制的预测范围,并降低了规划控制过程中的计算量与通信量.最后,通过9架无人机的协同避障编队仿真,证明了该方法的有效性.     

复杂环境下多无人机轨迹姿态协同控制

考虑多无人机在实际飞行过程中的避障需求，在建立面向控制的四旋翼无人机轨迹姿态模型基础上，为克服传统多无人机为每架无人机规划轨迹的不足，研究了基于多无人机中心点的轨迹设计策略。进一步，考虑避障约束，基于半定规划进行迭代区域扩张完成了多无人机的安全飞行区域及队形设计。在此基础上，基于干扰补偿策略为每架无人机设计了协同控制器，最终确保了多无人机在多障碍环境下的安全飞行。