解体速度增量计算方法研究

解体速度增量是解体事件强度的重要指征, 它决定了解体产生碎片的轨道分布. 通过分析解体速度增量可以推断解体强度, 确定解体形式. 解体速度增量有两种计算方法, 即轨道位置演化法和轨道面相交法. 轨道位置演化法是根据解体前后轨道速度的变化直接得到解体速度增量; 而轨道面相交法是利用母体以及解体碎片的球面三角几何关系, 根据解体碎片的倾角和升交点赤经变化, 以及母体轨道的倾角和近地点辐角, 计算解体时刻母体轨道的真近点角, 从而得到解体的时间和速度增量. 相比来说, 轨道位置演化法适用于数据精度高, 解体高度高情况下的解体事件分析, 而轨道面相交法适用于解体高度低, 碎片数据公布时间较为滞后的解体事件分析. 根据解体速度增量的计算方法及其原理, 对两种方法的适用性进行了比较和讨论, 并选取已经发生的三次解体事件, 利用美国公布的TLE数据, 针对具体情况选择计算方法, 给出了三次解体事件发生的时间和解体碎片在空间三个方向上的速度增量.      

气动辅助异面变轨在多碎片清除中的应用分析

碎片清除飞行器异面变轨需要消耗大量燃料.从气动辅助异面变轨优化设计及被清除碎片轨道高度差值、倾角差值等参数对变轨性能的影响出发,比较分析了优化气动辅助异面变轨与双脉冲霍曼轨道转移的燃料节约量,研究了不同轨道高度差对于实施气动辅助变轨燃料节约量的影响.当地球静止轨道（GEO）与低地轨道（LEO）间气动辅助变轨优化速度增量约为1.55km·s-1、质量面积比172kg·m-2、比冲310s、轨道倾角变化16°时,燃料节约率约为45%.对比研究了不同轨道高度差LEO轨道间实施气动辅助变轨的燃料节约情况.结果表明:随着轨道高度的增加,气动辅助优化效率逐渐降低;在相同高度轨道间实施异面变轨,随着轨道倾角的增加,气动辅助变轨燃料节约率先增大后减小,倾角改变量约为20°时,燃料节约率最大;当轨道倾角为5°时,采用气动辅助变轨和双脉冲变轨的燃料消耗量相同.      

基于解体事件的空间碎片轨道演化算法研究

针对航天器解体事件所生成的空间碎片的演化过程,进行了数学分析,确定了新生成的空间碎片的速度增量,在该增量作用下碎片轨道会发生变更,本文根据该增量得出了空间碎片在轨道变更后的轨道根数,分析了在大气阻力摄动作用下,空间碎片的数目和轨道分布的演化情况,给出了相关结果,结果表明此算法可行。     

基于改进蚁群算法的多机器人任务分配

任务分配是多机器人系统需要解决的首要问题.针对传统蚁群算法求解多机器人任务分配收敛速度慢且易陷入局部最优问题,提出了改进蚁群算法.考虑多机器人任务分配问题,建立多旅行商问题模型,采用蚁群算法优化出解空间,然后采用遗传算法中的变异算子对每个机器人执行任务的顺序进行优化,并根据模拟退火过程中Metropolis准则以一定的概率接受优化过程中较差的解.在复杂约束条件下,为解决蚁群算法收敛速度慢且易陷入局部极小问题,引入局部优化变异算子和改进模拟退火算法.仿真结果表明,改进蚁群算法可以更好的解决多机器人任务分配问题.     

基于多目标遗传算法的太阳高纬探测器轨道设计

针对太阳高纬度探测器轨道设计任务要求, 研究了基于多目标遗传算法的小推力借力飞行轨道设计方法. 基于圆锥曲线拼接假设, 将探测器轨道分为小推力日心转移轨道段和木星借力飞行轨道段两部分. 在日心转移轨道段, 选择燃料最省为优化目标, 采用标称轨道法设计小推力的推力控制率. 在借力飞行轨道段, 选择借力后日心轨道倾角为优化目标, 对借力飞行的关键参数进行分析. 采用多目标遗传算法对该多目标进行了优化. 结果表明, 多目标遗传算法可以有效地解决轨道设计中的多目标优化问题. 优化得到的小推力控制率不仅可以节省发射能量, 还可以保证借力飞行后探测器能够进入太阳高纬度探测轨道.      

Cosmos 2421卫星解体事件分析

2008年上半年俄罗斯的Cosmos 2421卫星接连发生了三次不同程度的解体, 并产生了数百颗碎片. 本文利用美国公布的Cosmos 2421卫星及其碎片的两行根数系列, 对三次解体事件发生的时间, 解体碎片的轨道分布、速度分布和面积质量比以及寿命等进行了分析, 并对解体碎片对航天器的影响进行了评估. 分析结果表明, Cosmos2421卫星的三次解体事件分别发生在2008年3月14日、4月28日、6月9日; 解体碎片分布在200~1400 km 的高度范围内; Cosmos 2421卫星解体导致的碎片在空间三个方向上的速度增量均值分别为-8.4m/s, 8.6m/s, -8.3m/s; 67\%的解体碎片的寿命都在1年以内, 解体事件造成500 km以下的空间碎片空间密度增加, 对载人航天器产生了影响. 通过对Cosmos 2421卫星解体事件的分析可以看出, 利用解体碎片的轨道信息可以反演解体事件特性, 根据解体碎片的寿命和空间密度分布的计算结果可以评估解体事件对未来发射活动和在轨卫星的影响.      

基于相控阵雷达波束篱笆的空间碎片数量与分布估计方法

随着载人航天与空间站等航天活动的增多,不能有效防护、也无法定期跟踪和编目的小尺寸(尤其是1～10 cm)碎片的危害越来越受到关注,这些碎片信息的获取依赖于统计采样技术.针对简化的相控阵雷达波束篱笆空间碎片探测模式,提出了一种采用统计技术估计空间碎片总数量以及高度和倾角分布的方法.将碎片穿越波束篱笆的过程用Poisson分布来建模,根据观测时段内穿越波束篱笆目标的平均到达率及测量的轨道高度和倾角数据来估计给定轨道高度范围或倾角范围内碎片的数量,进而得到碎片的总数量以及碎片数量随轨道高度或倾角的分布.在获取雷达散射截面信息时,该方法还可用于估计碎片数量随尺寸的分布.通过仿真实验验证了该方法的有效性.      

太阳中纬度探测共振借力轨道设计

针对太阳中纬度探测任务,设计了共振借力轨道方案.根据离开超越速度的解析表达式得到借力后日心轨道的可行集并将结论推广到任意借力行星.进而提出RRpInc图形化设计方法,通过RRpInc图分析得到共振借力的超越速度大小直接决定了最终轨道倾角.以共振借力行星作为目标星体设计借力转移轨道,以逃逸速度和到达超速作为性能指标,采用多目标优化算法优化.给出了两个设计方案:方案1选择金星作为共振借力行星,探测器通过“金星-地球-地球”借力飞行增加金星共振借力前的超越速度;方案2选择地球为共振借力行星,探测器在木星借力后返回地球共振借力.两个方案最终轨道倾角分别约为30°和35 °.     

太阳中纬度探测共振借力轨道设计

针对太阳中纬度探测任务,设计了共振借力轨道方案.根据离开超越速度的解析表达式得到借力后日心轨道的可行集并将结论推广到任意借力行星.进而提出RRpInc图形化设计方法,通过RRpInc图分析得到共振借力的超越速度大小直接决定了最终轨道倾角.以共振借力行星作为目标星体设计借力转移轨道,以逃逸速度和到达超速作为性能指标,采用多目标优化算法优化.给出了两个设计方案:方案1选择金星作为共振借力行星,探测器通过"金星-地球-地球"借力飞行增加金星共振借力前的超越速度;方案2选择地球为共振借力行星,探测器在木星借力后返回地球共振借力.两个方案最终轨道倾角分别约为30°和35°.     

雷达波束驻留模式下空间碎片数量的置信区间估计

碎片数量估计是空间碎片环境统计特征描述的重要内容之一,对于空间碎片环境模型验证、航天器碰撞风险分析以及碎片数量增长趋势预测有重要意义.针对波束指向正东、正南任意仰角的雷达波束驻留(Beam-park)模式(天顶指向是波束指向仰角为90°时的特例),给出了一种估计碎片数量置信区间的方法.对于给定轨道高度范围内一个具有穿越雷达波束可能性(即雷达散射截面足够大,且轨道倾角相对测站纬度足够大)的碎片,将其是否真正穿越波束这一随机事件用(0-1)分布来建模,根据所采集的轨道高度和倾角数据,计算出该轨道高度范围内碎片穿越波束的平均概率,进而采用中心极限定理来估计碎片数量的置信区间.仿真结果表明了方法的有效性.      

动态环境中的无人机路径规划方法

为了解决动态环境中的路径规划问题,提出了一种引入时间轴的方法.在构型空间的基础上引入时间轴,将构型空间扩展为构型-时间空间,在构型-时间空间中可以表示动态障碍物所有时刻的位置.在路径生成阶段,提出了一种改进的蚁群算法,将方向信息作为启发信息引入蚁群算法中,使蚂蚁在初始搜索路径时更有针对性.仿真结果表明:构型-时间空间可以解决动态环境的表示问题,改进蚁群算法可以更快地收敛到全局最优解.      

基于改进蚁群算法的低空突防航迹规划

为保证低空突防的成功率,在航迹规划时必须设计出以最小的被发现概率及可接受的航程为目标的航迹.蚁群算法ACA(Ant Colony Algorithm)作为一种新型的模拟进化算法,适合用于航迹规划中最优航迹的搜索,但是算法存在搜索时间长、收敛速度慢、易陷于局部最优解的缺点,为了克服算法自身不足,提高算法性能,引入了遗传算法中变异操作和挥发系数的自适应调节,从而形成改进蚁群算法,最后结合建立的航迹规划性能指标,利用等概率寻优、原有蚁群算法和改进蚁群算法3种方法分别进行航迹规划,并通过比较和分析结果的时间花费和航路代价,验证了改进蚁群算法的有效性.      

基于改进粒子群优化算法的巡航导弹航路规划

粒子群优化(PSO, Particle Swarm Optimization)算法是继遗传算法、蚁群算法之后的又一种新的群体智能算法,经常用于复杂问题的求解.由于其迭代公式是面向连续空间的,因此更适合解决非网格拓扑的航路规划问题.标准的粒子群优化算法在寻优的过程中容易出现早熟现象,针对这种现象,提出了一种改进的粒子群优化算法.改进算法根据相应的代价函数选择精英粒子和较差粒子,对较差粒子采用了带有动能补偿的速度更新策略,从而避免了寻优过程中的早熟现象;在单个粒子的运动方面引入了最差粒子的失败经验,让群体中粒子有效避开最差解.仿真表明:改进算法在航路规划的应用中具有更强的搜索能力,获得的航路代价在进化代数相同的前提下更小.      

基于连续蚁群算法的Bayesian方位估计快速方法

针对蚁群算法(ACO)在解决高维非线性搜索问题方面的有效性,提出了基于蚁群优化算法的Bayesian最大后验概率方位估计(ACO-Bayesian)快速方法.该方法将Bayesian最大后验概率函数作为蚁群算法的目标函数,选取若干一维高斯函数的加权和作为连续蚁群算法中信息量概率分布函数,经过有限次迭代得到Bayesian方法的非线性全局最优解.仿真结果表明,ACO-Bayesian方法在保持Bayesian方法优良性能的同时,将Bayesian方法的计算量减少到原来的1/14.水池实验结果验证了ACO-Bayesian方法的正确性和有效性,为其工程应用奠定了基础.      

Mission planning optimization of video satellite for ground multi-object staring imaging

This study investigates the emergency scheduling problem of ground multi-object staring imaging for a single video satellite. In the proposed mission scenario, the ground objects require a specified duration of staring imaging by the video satellite. The planning horizon is not long, i.e., it is usually shorter than one orbit period. A binary decision variable and the imaging order are used as the design variables, and the total observation revenue combined with the influence of the total attitude maneuvering time is regarded as the optimization objective. Based on the constraints of the observation time windows, satellite attitude adjustment time, and satellite maneuverability, a constraint satisfaction mission planning model is established for ground object staring imaging by a single video satellite. Further, a modified ant colony optimization algorithm with tabu lists (Tabu-ACO) is designed to solve this problem. The proposed algorithm can fully exploit the intelligence and local search ability of ACO. Based on full consideration of the mission characteristics, the design of the tabu lists can reduce the search range of ACO and improve the algorithm efficiency significantly. The simulation results show that the proposed algorithm outperforms the conventional algorithm in terms of optimization performance, and it can obtain satisfactory scheduling results for the mission planning problem.     

基于合作博弈的多机冲突解脱算法

为解决低空无人机冲突解脱过程中个体支付成本不公平问题,提出了基于合作博弈“核仁解”概念的多机冲突解脱算法。针对低空多机冲突场景的特点,基于“核仁解”概念,建立无人机冲突解脱支付矩阵。结合人工势场法与蚁群算法的优点,提出基于人工势场法-蚁群算法(APF-ACO)的冲突解脱混合求解策略。仿真结果表明:综合计算时间、可行性与系统效率3个评价指标,APF-ACO混合求解策略效能最优;基于合作博弈“核仁解”的求解策略在一定程度上可提升个体公平性;同时能够在牺牲少量整体利益的前提下,拥有优先级无人机的快速规划达到目标。      

改进蚁群算法求解时变网络中最短路径问题

给出一种时变网络中蚁群算法的信息素更新策略,使边上残留信息素能够正确反映时变网络中边上权值的变化情况;改进了传统蚁群算法的相邻节点选择策略,使蚂蚁只需计算与当前节点存在直接路径的节点的转移概率,降低算法的计算量;将蚁群算法和遗传算法结合,将蚁群算法每次遍历后形成的解作为初始群种进行单点交叉计算,避免陷入局部最优解,提高算法收敛速度.仿真结果表明,改进的蚁群算法能够有效求解时变网络中最短路径问题,比传统蚁群算法得到全局最优解的概率更大,算法的收敛速度更高.     

基于蚁群算法的多任务导航星座载荷配置

给出了多任务导航星座载荷配置的一套新算法.首先建立了多任务导航星座载荷配置的优化模型;基于任务要求定义并提出了n＋1重覆盖率来评价星座对地面的覆盖性能;蚁群算法(ACA)是一种新型的模拟蚂蚁觅食行为的仿生启发式算法,将蚁群算法运用到载荷配置的优化当中,修正了启发函数及Ant-Cycle模型使它们能够与星座载荷配置的优化相结合;给出了基于该算法的多任务载荷配置优化框图.仿真结果表明蚁群算法快速有效,优化结果满足任务要求.