细胞化卫星分布式角动量平衡力矩分配算法

针对细胞化卫星姿态控制系统中细胞模块数量多、控制器细胞通信压力大的问题,提出了一种分布式控制力矩分配算法。该力矩分配算法先将力矩分配问题转化为带耦合等式约束的凸优化问题,然后通过分布式的方式求解该优化问题。在力矩分配过程中,控制器细胞只需要提供期望力矩,因此降低了通信压力。同时,该算法在优化目标函数中引入角动量能力因子,使飞轮细胞可以根据自身的角动量水平决定其力矩输出。数值仿真结果表明,该分布式分配算法可以保证分配后的力矩与期望力矩相等,且实现了平衡飞轮系统角动量的目的,进而可以通过卸载部分细胞的角动量来卸载整个飞轮系统的角动量。     

基于固体微推力器阵列的卫星控制一体化算法

为了使固体微推力器阵列更具实用性,提出了一种适用于一体化控制的推力器布局方法;对基于固体微推力器阵列的推力器姿轨控分配算法问题分别进行了建模,引入了成本概念,保证推力器使用个数最少;将动态规划及贪心策略思想引入到了推力器分配问题求解中,建立了求解数学模型,进行了算法实现;对用于一体化控制中的推力器分配问题以及信息共享问题进行了分析。经过算法分析及仿真验证,该方法能有效快速求解该问题,有利于实现实时控制,能满足一体化控制的要求。     

考虑负载均衡的过驱动航天器推力器分配方法

以过驱动航天器的推力器控制分配误差最小、推力器负载均衡等为设计目标,构建航天器推力分配混合优化模型,并将其转化为线性规划模型进行求解,提出了一种考虑负载均衡的航天器推力器动态分配算法。该算法在确保分配误差最小前提下,能够降低各推力器的最大分配推力之差,有效均衡各推力器总工作时长和开关次数,进而延长推进系统的整体工作寿命。进一步定义了表征负载均衡性能的推力平衡度和干扰敏感度性能指标,并在此基础上给出了一种分配算法负载均能能力的定量化评价方法。在仿真验证中,采用平衡度和敏感度对算法性能进行定量评估,结果表明该方法在保证控制性能和控制分配误差的前提下,能够有效均衡各推力器最大推力,提高了系统的平衡度和对扰动力矩的鲁棒性。     

基于节点改善策略的伪谱轨迹优化

基于Legendre Gauss Lobatto（LGL）伪谱法(PSM)求解最优控制问题的原理,研究了有限推力轨迹快速优化设计以及计算节点和效率改善策略。对远程变轨动力学模型进行了无量纲化处理,并设计了初值生成和串行优化求解策略,用来提高多变量多约束大规模稀疏非线性规划问题的收敛性。结合极小值原理推导了问题的最优性必要条件,基于协态映射原理设计了数值解的最优性验证方法。利用二阶微分方程技术消去部分状态量,建立了节点和计算效率改进模型,并讨论了该策略的相关数值处理技术。仿真结果表明,本文的算法可以快速地提供应用于实际飞行任务的最优解,节点改善策略在保证计算精度的同时,有效降低了计算收敛时间。     

高超声速飞行器再入轨迹快速优化研究

基于求解最优控制问题的Chebyshev伪谱法(Chebyshev Pseudospectral Method,CPM),研究了高超声速飞行器再入轨迹快速优化问题。针对远程多约束条件下再入轨迹优化问题的难点,提出了一种线性初值与节点更新相结合的优化策略,将攻角与倾侧角同时作为控制变量,以再入飞行时间最短为优化目标,利用CPM将轨迹优化问题转化为非线性规划问题,并使用SNOPT软件包求解,使CPM成为一种再入轨迹快速优化的通用算法。以某类高超声速再入飞行器为对象进行轨迹优化计算,并对比相同仿真条件下粒子群(PSO)算法的优化效果,仿真结果验证了该算法具有较高的求解效率和快速收敛性。     

加权负载均衡合同网大规模星座任务分配方法

为了充分发挥大规模星座带来的在轨可用卫星资源丰富的优势，解决星座和任务规模扩大带来的任务分配求解空间大的问题，提出了一种分布式加权负载均衡合同网任务分配方法。对任务窗口进行预筛选，减少卫星参与投标数量，节约在轨计算通信资源；在合同网任务分配过程中，将任务投标值加入负载均衡加权系数，提升星座系统负载均衡性能。通过仿真验证，在观测收益相当的情况下，本文所提方法相较于集中式任务分配方法分配求解耗时可减少94%以上，系统负载均衡度优于传统任务分配算法，表明该方法适用于大规模星座任务分配。     

多无人机任务分配/航迹规划的一体化求解方法

针对多异构无人机任务分配和航迹规划存在的强耦合特性,为解决串行求解仅能获得局部最优解的问题,提出了一种基于图论的一体化求解框架,采用三维Dubins模型,通过对无人机航向角进行离散化,将路径规划问题和任务分配问题建立为离散图模型。为了实现该混合整数规划问题的快速求解,建立了基于并行化处理的遗传算法策略;为避免执行时序约束任务存在的死锁问题,引入深度优先算法（DFS）,通过检测时序任务图环路状态判断任务规划结果的可行性,从而剔除规划结果中的不可行解。仿真结果表明,相比于解耦方法,一体化求解方法能明显提高规划结果的品质;相比于集中式遗传算法,分布式遗传算法能显著提高算法的收敛速度。     

基于人工免疫算法的编队压制干扰资源分配

通过对舰艇编队雷达有源干扰资源分配问题的研究分析,将免疫算法应用在编队有源压制干扰资源分配中,构建了分配的数学模型.提出了相关定义和一种能有效表达编队有源压制干扰资源分配的抗体染色体矩阵编码方案,并给出了亲和度算法.在假定情况下进行了仿真计算,得到了有效的有源压制资源分配方案,通过实例验证了算法的正确性和有效性,为求解更复杂的编队干扰资源分配问题提供了参考方案.     

基于学习自动机的雷达干扰资源分配研究

综合考虑干扰机干扰频率、干扰功率、干扰时机和干扰样式等干扰效果评估指标,构建干扰效益矩阵,建立目标函数,构建干扰资源分配博弈模型,并基于学习自动机原理提出了分布式干扰资源分配算法,求解出干扰分配决策。仿真结果表明,提出的分布式干扰资源分配算法能以很低的复杂度来获得很好的干扰性能,有效地解决了干扰资源分配问题,对实际作战指挥有一定的指导意义。     

分布式卫星系统在轨操作的多目标分配

针对空间在轨操作目标分配问题,以分布式卫星系统为研究对象,提出了一种基于粒子群算法的在轨操作多目标分配方法。以分布式卫星机动所消耗的总能量最省为目标函数,建立了在轨操作多目标分配的数学模型。基于固定时间拦截理论,以机动时刻和对应的速度增量作表征,设计实现了单颗卫星最优机动方案。通过合理设计粒子位置与目标分配解的对应关系,采用粒子群算法对问题进行了求解,并详细阐述了算法的实现步骤。算例分析结果表明,建立的模型和算法能够快速得到正确的可行解,可有效解决多约束条件下空间在轨操作的多目标分配问题。     

一种未知动态环境下异构无人机集群分布式联盟形成方法

针对未知动态环境下异构无人机集群的分布式联盟形成问题,首先构建了异构无人机集群的联盟任务自动机,实现了异构无人机集群在未知动态环境下的自主任务协调.在此基础之上,提出了一种基于蒙特卡洛树搜索的分布式联盟形成算法,该算法通过两阶段的蒙特卡洛树搜索来增量式地对联盟结构进行分布式优化,算法可在分布式框架下实施,并在任意时间内...     

一种分布式信息融合的航天器实时轨道确定算法

针对传统航天器集中式实时轨道确定方法对计算中心依赖性强、鲁棒性差等问题,在分布式混合信息滤波算法(DHIF)的基础上,提出一种基于分布式信息融合的航天器实时轨道确定算法。通过该算法各测站融合自己和邻居节点的状态信息及量测信息,可同时对目标航天器进行局部实时定轨。该算法支持包含多类型传感器的观测网络,对定轨系统局部变化适应性强。仿真结果表明,该分布式定轨算法使各测站局部定轨精度优于单站滤波定轨精度,且一致逼近于多站集中式滤波定轨精度,测站局部定轨的收敛速度取决于测站网络通信的拓扑结构。     

主从式编队航天器连通性保持与碰撞规避

针对主从式航天器编队过程中存在的通信距离约束、航天器之间的碰撞以及空间干扰等问题,提出一种基于非线性干扰观测器和人工势函数的分布性协同控制方法。当初始通信网络连通时,通过在分布式协同控制器中引入吸引势函数,保证整个编队过程中通信网络始终是连通的。针对主航天器速度仅有部分从航天器直接可知的情况,为每一个从航天器设计分布式的速度观测器估计主航天器的速度,从而实现航天器之间的速度协同。此外,通过在控制器中引入非线性干扰观测器对外界干扰进行观测,显著增强了航天器编队的精度。仿真结果表明,本文提出的分布式协同控制方法不但能够实现对主航天器的速度跟踪以及航天器之间的队形保持,而且能够在编队过程中实现通信网络的连通性保持和航天器之间的碰撞规避。     

基于UAV的空地协同任务卸载策略研究

随着各行业对大批量信息处理需求的增加,移动边缘计算（Mobile Edge Computing, MEC）技术应运而生。而在陆地障碍较多、MEC服务器搭载不便的情况下,研究了一种无人机（Unmanned Aerial Vehicle, UAV）中继辅助用户卸载任务到基站的场景。针对该场景,提出了一种基于博弈论的最优任务卸载方法,通过联合优化任务卸载比例和卸载策略使得系统时延最小化。由于这两个变量之间相互耦合,因此将原优化问题转化为两个子问题求解。首先,在确定策略的情况下,证明了系统时延最小值存在的条件,得到了用户的最优卸载比例闭合解。然后,将原优化问题转化为任务分配问题,并建立博弈论模型。在证明了该模型存在纳什均衡（Nash Equilibrium,NE）的前提下,经过多次迭代,求解得到基于时延最小的用户任务卸载策略集。仿真结果表明：上述方法有效降低了全局计算时延,在时效性上优于其他一些常见的卸载方法。     

事件触发机制下多导弹固定时间编队控制

针对领-从弹编队结构中从弹对领弹的固定时间协同跟踪控制问题，同时为了节省通信带宽和弹载计算资源，基于多智能体一致性理论，给出了有向拓扑下基于事件触发机制的固定时间编队控制算法。用微分几何法将导弹运动模型精确线性化，为其设计固定时间编队控制协议，保证具有较大飞行速度的导弹编队在较短的时间内收敛到稳定的队形。在此基础上，引入事件触发机制，克服有向拓扑下Laplacian矩阵的不对称性和事件触发通信引入的误差项对系统稳定性带来的影响；为从弹设计了基于自身状态误差的事件触发函数，当状态误差满足所设定的阈值时，从弹在通信网络中更新并传递自身的采样信息，有效减少了弹载资源的占用率。利用代数图论、矩阵理论和Lyapunov稳定理论证明了编队控制系统的稳定性。数值仿真结果校验了算法的有效性和稳定性分析的正确性，适用于导弹编队的总体设计。     

Assessing the performance of a heuristic simulated annealing algorithm for the design of distributed satellite systems

A heuristic multidisciplinary design optimization technique has been investigated for applicability to the conceptual design of distributed satellite systems. Different permutations of a simulated algorithm are applied to the problem of developing a systems architecture that minimizes a multicriterion metric (cost per image) for the NASA Origins Terrestrial Planet Finder mission. It was found that the efficiency of the simulated annealing algorithm could be improved by modifying the degrees of freedom within the algorithm. Further, a methodology has been developed for finding the Pareto-optimal set of design solutions within the system trade space when the distributed satellite system is modeled as a multi-objective design problem. These advances combine to yield new tools for systems engineers exploring the trade space of distributed satellite systems during the conceptual design stage.     

存在干扰下的无人机中继站波束成形算法

无人机(UAV)通信具有部署快、使用灵活、通信质量好等优点,在无线通信领域具有广阔的应用前景。采用UAV作为中继站构成的增强型卫星通信网络经常受到各种干扰的影响,导致其性能急剧下降。以信干噪比(SINR)最大化为准则,UAV中继站发射功率满足要求为约束条件的优化问题的基础上,提出了一种基于最大瑞利熵的波束成形(BF)算法,得出最优权矢量。为了降低BF算法的实现复杂度,进一步提出了一种基于迫零(ZF)的次优BF算法。计算机仿真验证了这2种BF算法的有效性。     

基于组合矩阵的精确修复MDS编码

针对分布式存储系统中精确修复故障节点数据的问题,构造了一类最小存储再生编码。本文利用线性无关矢量以及分块矩阵构造了编码的生成矩阵。所有编解码运算都属于GF(2)域,编码后的数据混合存放在存储节点中。采用该编码的存储系统,能够仅经过2k个基本异或运算精确修复任意单节点故障。修复故障的最小带宽为M×(k+1)/n,且在系统正常工作时,能够为单用户提供最高n×B的可用带宽。与其它最小存储再生码相比,编码矩阵简单,解码计算量较小,为用户提供较高的可用带宽。