基于混合法的月球软着陆轨迹优化

利用混合法思想和人工免疫算法研究了月球软着陆轨迹优化问题.首先建立月球软着陆系统模型并进行归一化处理;然后基于混合法思想利用庞特亚金（Pontryagin）极大值原理推导最优控制律,以伴随变量初值和终端时刻作为优化变量,将终端约束作为罚函数引入评价函数中,将月球软着陆轨迹优化问题转化为非线性规划问题（NLP,Nonlinear Programming）;最后应用引导人工免疫算法（GAIA,Guiding Artificial Immune Algorithm）求解该优化问题.仿真结果表明,GAIA混合算法比直接法的寻优速度快,终端误差小,且可搜索到理论最优轨迹;同时,GAIA混合算法的伴随变量初值收敛范围比间接法大,降低了最优月球软着陆轨迹的搜索难度.     

多模函数优化的改进花朵授粉算法

为了探讨花朵授粉算法（FPA）在解算多模函数优化问题中存在的不足,通过定义种群多样性及差异性指标,定性分析了FPA在多模复杂函数优化中的寻优缺点。基于模拟退火思想优化全局授粉过程,并利用Nelder-Mead单纯形搜索技术对花朵局部授粉进行重构,提出一种新的花朵授粉寻优架构。仿真结果表明,相对于基本的FPA、布谷鸟算法、萤火虫算法,改进花朵授粉算法能够有效避免陷入局部最优,具备优异的全局勘探和局部开采能力,对多模优化问题具有一定优势。      

应用改进果蝇优化算法的月面巡视器路径规划

文章针对果蝇优化算法易陷入局部最优的问题,对果蝇算法中的味道浓度判定值进行改进,并将其用于月球探测巡视器的动态路径规划。为验证算法的有效性,将改进果蝇优化算法与粒子群优化算法的路径规划寻优特性进行了仿真对比分析,结果表明改进果蝇优化算法具有良好的实时性,并有效解决了算法易陷入局部最优的问题。考虑到月球探测巡视器在沿规划路径进行月面巡视的过程中,有可能遇到未知障碍物的情况,提出了动态环境下月球巡视器遇到未知静态障碍物的避障策略。     

基于CPSO优化的空空导弹μ综合控制器设计

粒子群优化算法（PSO,Particle Swarm Optimization）在空空导弹μ综合控制器参数优化中易出现早熟现象而无法获得全局最优解.针对此问题,提出一种动态加速常数的粒子群优化算法（CPSO,Constant Particle Swarm Optimization）.改进算法通过对加速常数的指数形式变化,在寻优前期扩大搜索范围,在后期提高收敛效率,从而避免了寻优过程中的早熟现象.仿真结果表明,改进的CPSO优化算法具有更强的全局搜索能力,设计出的μ综合控制器具有更优的性能,满足给定的性能指标和自动设计指标,节省了大量设计时间,具有工程应用价值.     

一种改进的多目标粒子群优化算法

为了增强多目标粒子群优化算法的收敛性与多样性,提出一种改进的多目标粒子群算法.采用Kent映射对种群进行初始化,并将目标空间均匀划分为若干扇形区域;基于一种新的多样性和收敛性判定标准,选取合适的收敛性最优解和多样性最优解,并提出一种改进的粒子群更新公式进行全局搜索;采用聚类算法对外部种群与坐标轴夹角进行分析,维护外部种群.通过标准测试函数的仿真实验,与多目标优化算法基本MOPSO(Multi-objective Particle Swarm Optimization Algorithm)和NSGA-II(Nondominated Sorting Genetic Algorithm II)进行对比,结果表明了该改进算法的有效性.     

PSO选星算法参数分析与改进

多星座组合导航提供更多的可用卫星,但也增大接收机计算复杂度,选取部分可见星代替全部可见星进行接收机位置解算成为选星算法研究的热点。粒子群优化（PSO）选星算法将PSO算法引入到选星过程中,该方法能够减少选星时间,实现北斗/GPS组合星座快速选星。研究了该算法的关键参数包括惯性权重因子、加速系数、种群大小等对PSO选星算法性能的影响,并针对搜索过程容易陷入局部最优问题,提出自适应模拟退火粒子群优化（ASAPSO）选星算法,该算法通过引入随适应值大小自适应调整进化参数及结合模拟退火算法调整粒子速度,以增强算法跳出局部极值的能力。采用实际数据对算法进行验证,结果表明:ASAPSO选星算法在保证选星时间的同时,能够提高算法搜索结果的准确性,其性能优于PSO选星算法。      

改进粒子群优化的卫星导航选星算法

为提高选星算法的性能，提出一种基于人工鱼群算法的粒子群优化（PSO）选星算法。该算法利用人工鱼群算法良好的全局收敛特性，克服了粒子群优化算法易陷入局部最优的缺点。将每种卫星组合看作空间中的一个粒子，选取几何精度因子（GDOP）作为适应度函数。利用所提算法更新粒子自身位置，优化卫星组合与几何精度因子。利用实际数据对所提算法进行验证和对比，结果表明:改进的选星算法在保障选星效率的同时，选星结果的准确性优于标准的粒子群优化选星算法。      

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.      

基于人工蜂群算法的固定时间多脉冲交会

在两航天器交会问题中,采用多脉冲变轨策略往往能取得更小的燃料消耗.利用人工蜂群算法优化了航天器固定时间多脉冲交会问题,提出一种改进的人工蜂群算法.该方法能够简化时间约束的处理,能获得满足地球半径约束的解.该方法易于编程,鲁棒性强,可以应用到不同的摄动模型.仿真结果表明,该算法不易陷入局部最优,相比于粒子群算法和传统人工蜂群算法具有更高的求解精度.     

月球最优软着陆两点边值问题的数值解法

借助庞特里亚金最大值原理(Pontryagin′s Maximal Principle,PMP),将月球燃耗最优软着陆问题转化为终端时间自由型两点边值问题(Two Point Boundary Value Problem,TPBVP)。采用一种基于初值猜测技术的线性摄动法求解TPBVP,得到最优软着陆轨迹。仿真结果表明,初值猜测技术得出的伴随变量初值均落在线性摄动法的收敛区间内,收敛速度快,优化精度高。最后研究了不同制动推力大小对软着陆性能的影响,结论为:增大制动发动机推力,既可缩短软着陆的时间,又能减少软着陆的燃料消耗。     

基于自适应预测校正的月球软着陆制导控制方法

应用自适应预测制导方法，研究月球软着陆过程中的制导控制问题。作为一种具有逻辑结构的构造性方法，本文概述了自适应预测制导方法的实现步骤。针对月球软着陆过程中制导控制量少于被控制量这一“欠驱动”问题，在已有的基于一阶特征模型的全系数自适应预测校正方法的基础上，将输入输出相等的系统拓展为输入少于输出的“欠驱动”系统，以满足对位置、速度矢量同时进行制导控制的需要。本文针对初始状态误差、推力偏差、质量偏差以及比冲偏差下的软着陆过程，进行了Monte Carlo仿真分析，结果表明，自适应预测制导方法可有效用于月球软着陆过程的制导控制，且具有较高的精度和较强的鲁棒性。     

“嫦娥三号”探测器软着陆自主导航与制导技术

"嫦娥三号"探测器首次实现了我国航天器在地外天体软着陆,制导导航与控制技术是软着陆任务成功的关键。针对高安全和高可靠软着陆任务的要求,设计了包含接力避障的软着陆飞行程序,提出了单波束分时修正与多波束融合修正的自主导航方法和自适应动力显式制导、无迭代多项式粗避障制导以及内外环结合的精避障制导等方法。实际在轨飞行结果表明,导航算法提供了高精度的状态估计,制导算法实现了高精度状态控制和有效避障机动,确保了软着陆落月的安全性和可靠性。     

月球探测器垂直软着陆4D轨道全局优化

提出一种包含动态规划法与共轭梯度法的组合优化算法,求解月球探测器垂直软着陆问题. 其以动态规划法中求得的次优控制变量作为共轭梯度法的初始控制变量,求得更为精确的最优控制变量和最优轨道. 月球垂直软着陆的轨道可以分为两段,即制动段与着陆段. 以燃料消耗量最小为性能指标,采用该组合优化算法分别对两段轨道进行了4D全局优化. 数值仿真结果表明,该组合算法优化精度较高,收敛速度快,稳定性好,可用于机载计算机实时生成垂直软着陆4D轨道,同时还可推广到其他终端时间自由型两点边值问题.      

Fuel-optimal and Energy-optimal guidance schemes for lunar soft landing at a desired location

Two guidance schemes (i) fuel-optimal (ii) energy-optimal to realize soft landing at a desired location on the moon are developed using the optimal control laws. The optimal control laws are obtained by solving a two-point boundary value problem formulated based on Pontryagin’s principle. The guidance laws, adapted from the optimal control laws, are obtained as a function of unknown co-state variables. Differential Transformation (DT) technique is employed to determine the unknown co-states at each time instant of landing trajectory using the information on the current vehicle state, target landing site (loaded on-board apriori) and the time-to-go. The numerical integration of co-state dynamics is avoided due to the DT based approach. The time-to-go, a critical parameter for any guidance scheme, is computed and updated real time using a simple strategy which uses the current and end states. The simple strategy for time-to-go works well even when the shape of the trajectory is nonlinear. Extensive analysis is carried out to evaluate and compare the proposed guidance schemes. Further, the proposed schemes are compared with other popular guidance schemes. The DT based proposed schemes help quantify the landing masses for fuel-optimal and energy-optimal objectives. Other features of the proposed schemes are that they do not assume constant gravity field and independent of reference trajectory.     

触地关机模式下的着陆器软着陆稳定性研究

以触地关机软着陆模式下的某型着陆器为研究对象,建立其软着陆过程的动力学仿真模型。基于仿真模型,结合优化方法与多岛遗传算法（MIGA）确定了着陆器的极恶劣地形工况参数,并利用径向基函数（RBF）神经网络建立了反映极恶劣工况下着陆器速度参数与稳定性指标值之间映射关系的代理模型。将着陆器速度参数做离散化处理得到样本点,利用神经网络模型计算了各样本点对应的软着陆稳定性指标值,基于计算结果给出了各项软着陆稳定性指标的云图和三维速度稳定性边界,并得到了综合各项稳定性指标的着陆器速度稳定性边界。分析结果可直观地确定保证着陆器安全着陆的速度取值范围,为着陆器速度的合理控制提供参考。      

一种基于LIDAR的精确月球软着陆目标点选定方法

研究了月球探测器不设悬停阶段的精确软着陆运动中实时目标着陆点的自主选定方法．其过程包括着陆器运动补偿、数字高程图（DEM）的生成、障碍识别和最优安全着陆点搜索4个步骤．采用LIDAR敏感器,由经过运动补偿得到的斜距数据生成DEM,给出一种月面地形坡度和粗糙度的定义,根据安全着陆区的判据进行障碍识别,最后设计中心螺旋式搜索方法对探测器最优安全着陆点进行搜索选定．通过仿真验证了本文方法的有效性和优越性．     

月球软着陆过程高精度自主导航避障方法

针对未知地形和障碍会危及着陆安全的问题,给出了一种月球软着陆过程高精度自主导航避障方法,主要包括基于IMU配以测距测速修正的自主绝对导航、障碍识别与目标着陆点选取、针对目标着陆点的相对导航与相对避障控制等算法。该方法在保证着陆精度的同时也大大降低了着陆过程遇到障碍的风险,提高了系统的安全性,已成功应用于实际工程任务。     

Trajectory optimization for asteroid landing with two-phase free final time

This work develops an autonomous trajectory planning algorithm for 6-DOF asteroid landing. The trajectory planning problem is formulated as a nonconvex time-optimal optimization problem with two-phase free final time, while the cost is regularized by augmenting a fuel consumption penalty. The nonconvex optimization problem is solved in successive solution method, and successive convexification is used to convert the original nonconvex problem into a sequence of convex subproblems, where each subproblem is obtained by linearizing the nonconvex dynamics and state constraints and using the velocity increment to give a convex expression of the fuel consumption penalty in cost function. Specifically, in the linearization, we divide the flight time interval into two parts and normalize each part using a time dilation coefficient to solve the problem that both the final times for the two flight phases are unknown, so that the original free final time problem turns to a fixed-time problem by minimizing the sum of the two time dilation coefficients and fuel consumption penalty. Besides, trust regions and virtual control are used to increase robustness of the algorithm. A convergence analysis is presented which indicates the successive solution will recover the local optimality of the original problem. Then the validity of the proposed algorithm and effects of different factors on flight time and fuel consumption are examined by simulations of landing on an irregular asteroid.