广义多圈Lambert算法求解多脉冲最优交会问题

基于一种高效高精度的Battin多圈Lambert算法提出一种考虑轨道摄动的广义多圈Lambert算法.与现有算法相比,本算法虽然原理复杂但计算流程非常简单,效率极高,分别通过几次内外循环就可满足精度要求.广义多圈Lambert算法结合一种可行解迭代交会模型构成了一个通用的多圈多脉冲交会规划框架,应用两步法求解此多变量的复杂工程优化问题,首先利用高效率的进化全局优化算法以及解析轨道模型作全局搜索,然后利用序列二次规划算法以及简化高精度轨道计算模型作局部搜索,此方法可以保证高效高精度的求解多圈多脉冲交会问题.算例表明此方法特别适用于满足实际工程约束的交会规划问题.     

空间交会中多圈Lambert变轨算法研究

用两个位置和飞行时间来决定轨道的问题 ,即Gauss问题 ,是航天动力学中的一个基本问题。而Lambert交会问题是Gauss问题在航天器空间交会领域的具体化。文中提出了一种新的算法 ,解决了航天器多圈Lambert变轨的求解问题 ,由此来寻求在飞行时间较长的情况下 ,航天器的Lambert交会燃料最优轨道 ;并由算例验证了这种算法的正确性和鲁棒性     

航天器交会中的Lambert问题

应用Lagrange转移时间方程研究空间交会中的Lambert问题,包括经典Lambert问题(飞行弧段不足一圈的椭圆型轨道转移)与多圈Lambert问题(飞行圈数超过一圈的轨道转移),阐述转移轨道的几何特性与转移轨道类型,分析转移时间与转移轨道参数及变轨速度增量之间的关系。对航天器交会中常用的圆轨道之间的双冲量转移,给定转移角与转移时间,阐述最小变轨速度增量所对应的转移圈数与轨道参数的求解方法,提出满足最小变轨速度增量要求的轨道转移的图解法。对给定的初始分离角与交会时间,按最小变轨速度增量要求,确定航天器交会的初始漂移时间、双冲量轨道转移时间与终端停泊时间。     

一类最省燃料优先的多圈飞行脉冲交会

通过分析采用多圈飞行Lambert解的双脉冲交会的特征速度与转移轨道半长轴的关系,指出其最优解实际上是2N+1条满足时间约束的转移轨道中燃料较省的,而非最省燃料轨道.提出将双脉冲交会的首次脉冲矢量分解成方向相同的两次脉冲,使得追踪器在特定的滑行轨道飞行N圈以消耗多余的转移时间,利用剩余的转移时间沿最省燃料轨道与目标交会.几何上证明了这种交会的特征速度与最省燃料转移相同,并且给出了解的存在性条件.通过仿真验证了这种交会比采用多圈飞行Lambert解的双脉冲交会更省燃料,解的存在性对转移时间的长度要求更低.     

基于自适应模拟退火遗传算法的最优Lambert转移

主要研究了航天器采用Lambert二脉冲变轨的优化问题。对于初始位置、目标位置和转移时间都不固定的Lambert二脉冲转移,由于多变量以及方程本身的复杂性,采用传统的优化方法效率低甚至无法求解.采用了自适应遗传算法(AGA),寻求多变量的最优解.同时结合模拟退火算法,得到了自适应模拟退火遗传算法(ASAGA),该算法既具有全局搜索能力,又改善了一般遗传算法的局部寻优能力.通过仿真,比较了遗传算法和自适应模拟退火遗传算法的寻优结果,表明两者寻求最优转移的有效性,以及自适应模拟退火算法具有更强的寻优能力.      

基于粒子群算法的多脉冲转移轨迹优化

通过引入Lambert算法处理终端约束条件,建立基于可行解迭代的多脉冲转移轨迹优化模型,采用粒子群算法优化最省燃料转移轨道,并对分别采用变轨点真近点角和变轨时刻作为设计变量的优化结果进行了对比分析.对相同的两脉冲、三脉冲轨道转移问题,优化结果验证了提出的优化模型和优化算法的正确高效性.仿真表明,使用变轨点真近点角为设计变量时优化效率和结果更好.     

基于引导型人工免疫算法的最优Lambert变轨

主要研究了燃料最省的Lambert双脉冲变轨问题.首先对普适变量法进行改进以避免奇异,并将其用于Lambert双脉冲变轨问题的求解.然后针对只给定初始时刻追踪航天器和目标航天器的轨道要素及总时间约束的交会问题,引入调相时间的概念,并将其和转移时间作为Lambert变轨的优化变量.最后采用引导型人工免疫算法GAIA(Guiding Artificial Im-mune Algorithm)对该优化问题进行寻优.仿真算例表明,与自适应遗传算法AGA(Adaptive Ge-netic Algorithm)相比,GAIA具有更强的寻优能力和更快的寻优速度,从而验证了GAIA用于最优Lambert变轨的有效性.     

基于遗传算法的最优Lambert双脉冲转移

研究了初始位置和转移时间不固定的Lambert双脉冲轨道转移的数值解,用三 维图和截面图直观显示了初始位置、转移时间和速度增量的关系,并说明了其在实际工程任 务中的应用价值.基于数值解,提出了Lambert双脉冲轨道转移的优化问题.目标是找到最 优初始位置和转移时间,使燃料和时间的加权和最小.给出了遗传算法求解该优化问题的设 计步骤.该算法应用于2个算例:①平面圆轨道的燃料最优转移,并将遗传算法和Hohmann 转移的结果进行了比较;②椭圆轨道、初始位置有约束的燃料和时间最优转移.结果说明 了遗传算法寻找最优转移解是准确有效的.      

一种无奇异的求解Lambert变轨的普适变量法

传统的普适变量法求解Lambert转移轨道的变轨点速度时,在两位置矢量夹角为180°处出现奇异,且用牛顿迭代法求解普适变量会丢失部分重要的解.通过公式变换消除奇异项而推导出一种无奇异的速度求解公式;且根据转移轨道的圈数对普适变量的取值范围进行分段,在每个区间用人工免疫算法AIA(Artificial Immune Algorithm)搜索普适变量正确解,解出所有Lambert转移轨道并从中选择最优转移轨道.仿真算例表明:这种改进的普适变量法能有效避免传统普适变量法的奇异性,而且能求得所有的Lambert转移轨道并得到燃料消耗最优的转移轨道.     

月地转移轨道快速设计方法

月地转移轨道设计一般分为初步轨道设计和精确轨道设计.其中,初步轨道设计的准确性是确保后续精确轨道设计收敛的关键.提出了一种基于Lambert算法的月地转移轨道快速设计方法.以出月球影响球的时刻、位置和速度为中间变量,将轨道分为地心段和月心段分别进行计算.将探测器飞出月球影响球至指定再入点的地心段轨道简化为一个Lambert问题进行求解,提出了通过牛顿迭代法求解月地转移轨道Lambert问题的方法,避免了Lambert问题求解时大量的超几何函数和级数计算,提高了计算效率.在月心段轨道的快速计算中,提出了根据探测器出影响球速度矢量、月球停泊轨道倾角和近月点高度计算月心双曲线轨道根数的新方法.通过迭代计算,使得两段轨道在月球影响球处的位置和速度连续,从而获得一条完整的满足两端约束的双二体月地转移轨道.该方法计算速度快,精度相对较高.计算结果可以作为后续精确轨道设计的初值.      

基于蚁群算法和Powell法的Lambert转移

研究了两次脉冲时刻均不固定的Lambert轨道转移的优化问题,目标是找到施加两次脉冲的最优时刻,使燃料和转移时间的加权和最小.鉴于传统的优化算法难以获得该优化问题的全局最优解,提出了一种蚁群算法和Powell法相结合的优化算法,给出了算法的设计步骤.该算法结合了蚁群算法的全局搜索能力和Powell法的局部寻优能力,在保证全局搜索能力的同时,提高了算法的局部寻优能力和精度,减少了寻优时间.通过两个算例验证了这种结合的有效性和准确性.     

包含引力辅助变轨的三体Lambert问题求解算法

对包含引力辅助变轨的三体Lambert问题提出了一种数值求解算法,分为转移轨道初始设计和终值搜索两部分.采用伪状态理论,通过简单迭代求解高精度的转移轨道初始设计结果,在此基础之上,通过数值积分在更复杂的摄动环境中,计算精确的转移轨道和一二阶状态转移矩阵,并利用二阶微分修正算法搜索最终解.经过数值算例检验,这种方法具有较高的效率和鲁棒性,可以有效解决三体系统中引力辅助转移轨道的高敏感性问题.     

Lambert转移中途修正的全局概率最优策略

应用Monte-Carlo法和遗传算法的联合仿真求解Lambert转移中途修正的全局概率最优策略.首先推广限制性三体问题中求解周期性特解的微分修正算法构造出考虑J₂项摄动下的Lambert转移轨道并以此作为参考轨迹,则中途修正策略仅需针对导航误差、初始偏差修正的控制偏差等进行补偿.应用微分修正算法导出的单值矩阵,设计出3类线性和非线性中途修正策略,以适应不同的精度需要.随后应用Monte-Carlo和遗传算法的联合仿真,可以得到实现代价函数(落点误差最小)在概率意义下的最优解.与直接利用优化算法寻优需要已知各种误差量不同,得到的最优修正策略更具有普适性.     

遗传算法在编队卫星群轨道机动中的应用分析

卫星群机动是航天器发展的一个方向.针对编队卫星群的Lambert机动问题,采用Gim-Alfriend矩阵建立了包含中心轨道根数和摄动项的群卫星的相对运动模型,设计了转移轨道上的卫星群队形协同保持的脉冲控制策略.应用遗传算法对编队卫星群轨道机动问题进行了优化,优化指标分别为卫星群协同变轨过程中总燃料消耗最少或燃料均衡分配最小.分析了群机动过程中燃料消耗的影响因素.算例结果表明遗传算法可以很好地应用于编队卫星群机动问题.     

UKF参数估计在三体Lambert问题中的应用

为了快速精确地求解三体Lambert问题,提出了一种新的基于无损卡尔曼滤波(UKF)参数估计的数值求解算法,该算法由初值猜测和精确解求解两部分组成.首先,基于地月系统二体模型,通过简单迭代求解三体Lambert问题的初值.然后,将三体Lambert问题对应的两点边值问题转化为参数估计问题,通过UKF滤波算法求解,可得到收敛的精确解.该算法是基于概率估计理论的,不仅避免了传统数值方法推导相关梯度矩阵的复杂性,而且降低了三体Lambert问题对初值精确度的要求,从而显著降低了三体Lambert问题求解的难度.数值仿真表明,该方法求解效率较高,具有良好的鲁棒性,与微分修正算法、二阶微分修正算法对比具有更大的收敛域.