航天器远程自主交会方法设计与实现

为解决未来交会对接任务的自主化问题,提出航天器远程自主交会方法。给出适用于远程自主交会的变轨策略,设计航天器上自主变轨规划算法,通过初值计算和精确解迭代两个步骤对变轨策略进行求解,获得变轨控制参数。采用拟平均根数法结合平均密度法进行轨道预报,在尽量保证模型精度的同时极大降低了轨控参数求解过程中的在轨计算量。仿真结果表明,使用该方法规划的远程导引段轨道控制,可使终端精度满足指标要求,且方法简单可靠、合理可行,具有工程应用价值。     

远程导引变轨方案修正算法

为在实际摄动条件下由远程导引变轨方案初始设计结果实现追踪航天器与目标航天器的交会,提出了一种修正变轨方案。将初始多脉冲式变轨方案转换为有限推力式并作修正,取远程导引结束时刻追踪与目标航天器间的相对轨道要素为目标函数,采用J2,J3,J4解析轨道预报器对目标函数计算需要的轨道进行预报,以历次变轨开始时刻、结束时刻和推力方向为优化变量,用边界约束有限存储BFGS(L-BFGS-B)优化算法获得的最优解为修正后的变轨方案,可消除摄动模型误差。算例结果表明,经转换和修正所得有限推力式变轨方案能在实际摄动条件下实现追踪航天器与目标航天器的交会。     

GA-PSO组合算法模型修正

文章在遗传算法（GA）和粒子群算法（PSO）的基础上,介绍了GA-PSO组合算法的流程和模态修正适应度函数的确定,并利用该算法对一个5层钢架结构模型进行修正,证实了该算法能有效修正模型。该算法能在前期利用GA算法进行高效全局搜索,后期利用PSO算法进行细致局部搜索,与单独使用PSO算法和GA算法相比,该组合算法修正效率和精度更高。     

空间交会调相综合变轨优化

基于近圆轨道偏差线性方程研究了摄动交会调相综合变轨问题,建立了综合变轨两层非线性优化模型:上层问题以变轨点纬度幅角为优化变量,下层问题以脉冲向量为优化变量.为了快速获得上层问题全局优化性较好的摄动解,采用了并行模拟退火算法与序列二次规划算法相结合的混合策略;下层问题使用基于可行域最速下降的线性迭代方法求解.采用一个两天近地轨道调相问题测试了本文的综合变轨求解策略,并将综合变轨与特殊点变轨、综合变轨混合优化与遗传算法优化进行了比较.结果表明,建立的两层优化模型是有效的,本文的求解策略有着良好的全局收敛性和较高的收敛效率,综合变轨相对于特殊点变轨可以显著地节省燃料.     

一种基于EPSO的航天器交会轨迹优化方法

研究了航天器在固定时间内燃料最省的多脉冲交会问题,提出了一种基于种群熵粒子群优化 (Population Entropy based Particle Swarm Optimization,EPSO)算法的交会轨迹优化设计方法。采用线性化C\|W方程描述航天器的相对运动,以能耗最优为控制目标,得到了基于连续推力的最优转移轨迹,用于确定脉冲点的位置。考虑工程实用性,采用多脉冲控制方法,利用脉冲点的位置参数建立了以脉冲点时间间隔为决策变量的优化目标函数,并用EPSO算法进行求解。在EPSO中,种群熵描述粒子在搜索空间中位置分布的混乱程度,并通过上一代的种群熵确定下一代的搜索空间,从而减少搜索空间的浪费,提高了算法的搜索速度和收敛精度。仿真结果表明,算法本身具有良好的优化性能,适用于航天器轨迹优化。     

基于PSO算法的神经网络优化设计

近年来,一种新的基于种群优化的算法——粒子种群优化（PSO）算法,正受到人们的普遍关注。文章简单介绍了基于粒子群优化算法（PSO）的神经网络优化算法,并给出了完整的源程序。     

GEO卫星寿命末期离轨控制策略

根据机构间空间碎片协调委员会(IADC)1997年的建议,提出了一种采用多次两脉冲霍曼变轨对寿命末期地球同步轨道(GEO)卫星实施离轨控制的策略。分析了剩余燃料充足时变轨中燃料消耗的计算,以及剩余燃料不足时应采用一次两脉冲霍曼变轨使卫星尽可能离开GEO的对策。仿真结果表明,该离轨控制策略可行。     

月球轨道交会任务的远程导引变轨策略研究

对国内外月球轨道交会远程导引段变轨策略的2~5脉冲变轨方案进行了比较分析,在考虑月球轨道交会飞行任务测控资源有限和航天器所带燃料受限等特点的基础上,确定了我国月球轨道交会远程导引段的变轨策略为4脉冲方案;并介绍了在4脉冲基线轨道方案的基础上,进行标称轨道设计和月面上升窗口初步分析的结果。研究结果可为我国月球轨道交会对接任务提供参考。     

基于混合遗传算法的多冲量最优变轨

针对航天器多冲量最优变轨问题,建立了多冲量最优变轨的数值优化模型,给出了一种遗传算法(GA)与序列二次规划算法(SQP)结合的混合优化算法.该算法不需初值猜测,全局和局部搜索能力强并且计算效率高.仿真计算了燃料最优交会和时间最短拦截问题,比较了GA,SQP以及混合遗传算法的性能.针对混合遗传算法得到的不同冲量次数变轨的优化结果,分析了冲量次数对变轨性能指标的影响.结果表明混合遗传算法综合性能最高,冲量次数对不同性能指标的影响不同.仿真算例验证了模型和算法的有效性.     

空间机器人惯性参数辨识的粒子群优化新算法

提出了针对一类多自由度空间机器人卫星惯性参数在轨辨识的一种粒子群（PSO）优化新算法。通过粒子邻域限定的多样性保持、低效粒子随机重置和粒子误差的序列性评价,得到了比常规方法更好的结果,且具有无附加燃料消耗、线动量测量和特定的机器人路径规划等便利性优点。仿真算例表明,该改进方法具有较高的准确性与效率。     

集群航天器鲁棒自适应快速任务分配

针对集群航天器协同观测任务分配问题，提出一种基于深度神经网络和鲁棒自适应拍卖算法的快速任务分配策略。为提高燃料消耗指标的计算效率，利用深度神经网络直接预测连续推力转移轨迹的燃料消耗，避免在线规划相对运动轨迹。通过构造虚拟收益矩阵和分配向量使得拍卖算法适用于航天器数与任务数目不一致的分配问题。为提高拍卖算法的收敛速度，提出报价增量自适应调整策略。考虑到通信失联、航天器故障等不确定因素，通过在线调整故障航天器的收益和报价矩阵以提高算法鲁棒性。数值仿真表明深度神经网络对燃料消耗指标预测精度高，基于深度神经网络和鲁棒自适应拍卖算法的快速任务分配策略可在保持计算精度的同时，将计算效率提升约两个数量级。     

面向GEO目标的快速在线在轨服务任务规划

针对地球同步轨道多对多在轨服务任务规划问题,提出了一种基于拍卖算法和先验知识的改进启发式拍卖算法(IHAA)。首先,建立了基于Lambert变轨的任务规划问题表征,设计了给定变轨时长约束下的快速燃料最优估计策略。其次,针对考虑J 2摄动影响的航天器在轨服务规划问题,提出了一种基于拍卖算法的快速求解流程。其中,为确定每一轮拍卖算法任务列表,提出了基于变轨先验知识的目标优先级排序启发式策略,实现了快速的服务时序确定方法;此外,为减少因部分航天器服务能力低导致的分配失败情况,设计了一种基于失败任务再分配的重拍机制。最后,将所提算法与遗传算法、模拟退火算法进行了对比,结果表明IHAA可以快速给出相对适应度较高的规划结果,可用于突发事件星上在线自主规划,亦可提供优化算法初值以提升规划效率。     

基于粒子群算法的固体运载火箭上升段弹道优化设计研究

应用粒子群优化算法研究了固体运载火箭上升段弹道优化设计问题。设计了固体运载 火箭上升段飞行程序,构建了固体运载火箭弹道优化设计问题的粒子群算法,通过控制参数 改进和引入函数拉伸策略,对算法进行了改进。仿真计算结果表明,粒子群优化算法能有效 解决固体运载火箭弹道优化设计问题,优化方案末助推级液体推进剂消耗比原方案减少11.1 ％,算法收敛速度快,需设置参数少,易于工程实现。可为固体运载火箭弹道优化设计 提供理论参考。
     

空间交会中脉冲变轨燃料消耗研究

首先导出了空间交会中多脉冲变轨的一般算法;在此基础上,重点研究了双脉冲变轨的燃料消耗情况,提出了双脉冲变轨条件下的“不可达点”及其附近的“高耗能区域”并给出了相应的物理解释;最后对多脉冲变轨与双脉冲变轨进行了比较。     

基于改进粒子群优化LS-SVM的卫星钟差预报研究

针对导航卫星短期钟差预报精度和稳定度不高的问题,提出了一种基于改进粒子群优化（PSO）最小二乘支持向量机（LS-SVM）的卫星钟差预报方法。通过引进自适应改变的惯性权重和学习因子来提高粒子群算法的寻优能力,并将其应用到LS-SVM的参数优化中,避免人为选择参数的盲目性,提高了LS-SVM的泛化能力和预报精度。选取国际GPS服务组织（IGS）产品中四颗典型卫星的钟差数据,分别采用LS-SVM模型、神经网络模型和灰色系统模型进行短期钟差预报,计算结果表明：LS-SVM模型的预报精度优于其它两种模型,为导航卫星短期高精度钟差预报提供了新的思路。     

多目标进化算法在航天器转移轨道中途修正中的应用

理论上只要根据初始轨道转移点和目标轨道进入点的信息,计算并产生转移所需速度增量,就可以完成航天器的轨道转移.但是由于误差的影响,需要在转移轨道飞行中进行中途修正,修正时刻的选择决定了入轨精度和燃料消耗.本文选择二次修正策略,设计了一种多目标进化算法,以Pareto秩和小生境参数共享函数计算个体适应度,采用共享函数选择法、自适应变异法进行遗传操作.同时构造外部种群储存Pareto最优解,并引入最优解集边界值以加快算法收敛至非劣解集前端的速度.通过仿真验证,该算法能够较完整地得到中途修正时机问题的Pareto最优解集,且分布均匀,满足工程实际的需要.     

运载火箭自适应增广控制参数优化整定方法

针对参数众多的自适应增广控制(Adaptive Augmenting Control, AAC)技术,提出了两种基于优化算法的参数整定方法,实现了对AAC控制器参数的合理设计。第1种方法是使用粒子群算法,通过设计合理的适应度函数,使得优化得到的参数在标称状态下尽量不影响系统,在有干扰的情况下提升系统的抗扰动能力。第2种方法是重新定义高低通滤波器,减少优化参数数量,使用遗传算法得到优化的参数可以加快计算速度。仿真结果验证了使用优化算法得到的参数的合理性。与PD控制系统相比,AAC控制能够提升抗干扰能力;与滑模控制系统相比,能够看到相同精度下AAC控制的控制指令更加平滑。将第2种方法中得到的参数与使用粒子群算法对比,使用遗传算法得到的参数具有更优的性能。     

改进粒子群算法优化SVM参数的遥感图像分类

文章使用支持向量机(SVM)分类算法,结合当下应用较为广泛的智能优化算法,对SVM的参数进行优化选取,以期能够提高遥感图像的分类精度。针对粒子群算法(PSO)优化SVM分类器参数时,存在着容易早熟收敛、分类精度相对较低、容易陷入局部最优解的问题,提出了一种以自适应权重粒子群算法(SAPSO)为基础,引入遗传算法交叉算子的混合优化算法(SAPSO-GA),利用这种改进的算法优化SVM参数对遥感图像进行分类。文章以一景Quick Bird卫星遥感影像为例,对影像进行图像融合等预处理,然后分别使用PSO-SVM算法和SAPSO-GA-SVM算法进行土地利用分类,比较分析两种算法的分类精度,结果表明,改进的算法提高了粒子群算法的搜索性能,能够寻找更佳SVM分类器参数,获得较高的分类精度。     

约束条件下水平冲量多弧段交会机动方案设计

在交会过程的近距离寻的段 ,由于地面观测条件和追踪航天器燃料的限制 ,提出了固定时间交会和最大燃料消耗量的约束问题。本文探讨在此条件下 ,如何实现水平冲量多弧段交会机动。分析了交会过程中每一次机动的决定性因素 ,给出了解算满足两个过程约束条件的迭代算法 ,仿真算例表明了该算法的可行性。     

基于精英群引导下量子粒子群算法的快速零陷形成技术

引入罚函数项,建立了一种新的发射波束方向图综合控零的多目标优化模型。用适应度值排序建立由种群非支配解组成的精英群,以精英群中的粒子作为全局最优解引导粒子飞行;用爬坡策略更新全局最优解,给出了基于精英群引导的量子粒子群算法。对阵列权值采用加权优化,可在发射波束指定方向的多零陷、宽凹口。仿真结果表明：算法对多目标的优化较文献算法更优,能优化阵列权值在指定方向快速形成零陷。