联立法求解月面上升段最优轨迹的快速收敛控制技术

为了更好地解决复杂约束下的航天器月面上升段在线轨迹规划问题,提出了一种求解最优轨迹的联立框架。首先利用有限元正交配置法将状态变量和控制变量完全离散化,得到一个非线性规划命题。考虑到命题中含有较多的不等式约束并且会随着有限元的增加而增加,故采用内点算法对非线性规划命题进行求解。离散化后的非线性规划命题的规模大幅度增加,导致了优化计算难度的加大和求解时间的增加,为了便于联立法的在线应用,采用收敛深度控制策略从平衡解的精度和计算效率的角度来改进优化算法的实时性。以某航天器载人返回任务月面上升段场景为算例进行仿真,结果表明基于联立法求得的最优控制量序列得到的飞行轨迹满足轨道根数的精度要求,同时利用收敛深度控制策略可以实现快速收敛控制。     

敏捷性管理系统优化设计

 为了充分发挥战斗机敏捷性管理系统增强飞机作战能力的作用,利用最优控制的研究成果——直接多重打靶法,在通过仅假设出节点处的控制变量值以改进原算法之后,对敏捷性管理系统进行了优化设计。结果表明,因所对应的非线性规划问题维数降低很多,改进算法能更快、更有效地求解一类受约束最优控制问题;通过最优设计,使得敏捷性管理系统在确保满足各种约束条件的前提下,飞机的转弯时间缩短了近20%。     

基于高斯伪谱法的吸气式高超声速飞行器爬升弹道优化研究

吸气式高超声速飞行器爬升弹道设计是其总体设计的一个重要问题。这里提出一种基于高斯伪谱法的弹道优化方法,用于解决该问题。以末端弹道倾角为性能指标,飞行攻角为设计变量,建立了飞行器纵平面弹道优化模型。通过高斯伪谱法对状态变量和控制变量进行离散,将最优控制问题转化为非线性规划问题,再利用序列二次规划算法对其进一步求解。仿真结果表明,该方法收敛域大,对初值不敏感,设计精度高,是吸气式高超声速飞行器方案弹道优化的重要方法。     

Legendre-Gauss拟谱法求解最优控制问题

 提出一种新的求解基于常微分方程(ODE)和微分代数方程(DAE)的最优控制问题的数值方法。本方法基于直接配置法,通过Legendre-Gauss拟谱法同时离散化状态变量和控制变量把最优控制问题转化为一个非线性规划问题。与传统的直接转换法相比,本方法具有精度高、计算量小、结构简单的特点,而且可以求解最优控制“多相”问题。数值结果表明,本方法是一种通用的精度较高的最优控制直接数值求解法,可用于求解ODE/DAE最优控制问题。     

改进直接多重打靶算法及其应用

直接多重打靶算法是求解最优控制问题很有效的方法之一。通过仅假设出节点处的控制变量值．使该算法在求解最优控制问题时更方便，收敛更快。利用改进算法求解了飞机在风切变中着陆和敏捷性管理系统的优化设计问题。结果表明．改进算法能较好地求解一类受约束最优控制问题，对奇异最优控制问题也能较好求解。     

基于罚函数序列凸规划的多无人机轨迹规划

多无人机（UAVs）轨迹规划是具有非线性运动约束和非凸路径约束的最优控制问题。引入序列凸规划思想,将非凸最优控制问题近似为一系列凸优化子问题,并利用成熟的凸优化算法进行求解,以更好地权衡最优性和时效性。首先,建立了多无人机协同轨迹规划的非凸最优控制模型。然后,利用离散化和凸近似方法将其转换为凸优化问题,包括对无人机运动模型的线性化,以及对威胁规避约束和无人机碰撞约束的凸化。同时,提出了一种离散点间的威胁规避方法,保证无人机在离散轨迹点间的飞行安全。在凸优化模型的基础上,给出了基于罚函数序列凸规划求解多无人机轨迹规划的具体框架。最后,通过数值仿真验证了方法的有效性,结果表明该方法在多机轨迹规划结果的最优性和时效性都要优于伪谱法,而且优势随编队数量的增加而增大。     

一种改进的运载火箭迭代制导方法

为提高运载火箭在大气层外当推力出现故障条件下制导算法的最优性、鲁棒性和适应性,提出了一种改进的迭代制导方法。该方法以基于最优控制理论推导的解析形式作为最优控制解,并推导出以5个轨道根数作为终端约束的横截条件,增强了算法的最优性;迭代过程中采用高斯-勒让德方法计算推力积分,并采用球极坐标系下泰勒多项式逼近方法计算引力积分,提高了故障模式下算法的积分精度;该算法采用降维迭代求解模式,并结合对控制变量的合理限幅,保障了推力故障条件下算法的实时性和收敛性。分别基于蒙特卡洛打靶和推力故障条件下进行仿真验证,结果验证了所提方法具有较强的最优性、鲁棒性和故障适应能力。     

用参数最优化方法计算最优飞行轨迹

介绍了如何应用参数最优化方法将具有状态变量不等式约束和控制变量不等式约束以及终端等式约束的最优控制问题转化为静态非线性规划问题,并提出了将求解静态约束最优化问题的系贯加权因子法,即ＳＷＩＦＴ(ＳｅｑｕｅｎｔｉａｌＷｅｉｇｈｔ－ＩｎｃｒｅａｓｉｎｇＦａｃｔｏｒＴｅｃｈｎｉｑｕｅ)法推广为求解动态约束最优化问题的增广ＳＷＩＦＴ法。最后用计算美国航天飞机的返回最优轨迹说明了该法的可行性。     

多威胁障碍下翼伞系统的最优轨迹规划

针对翼伞系统在多威胁障碍环境下的最优轨迹规划问题,提出了一种结合改进RRT~*算法和高斯伪谱法的混合策略方法。根据翼伞运动模型特点,改进了原始RRT~*算法的距离度量和节点扩展方式,采用目标偏向的采样策略加快算法找寻初始轨迹的速度;根据翼伞系统的四自由度运动模型建立以控制量为目标函数的最优控制问题,利用高斯伪谱法将最优控制的轨迹规划问题转换为带约束的非线性规划问题,再将初始轨迹作为该非线性规划问题的初始解以减少迭代次数、加快收敛速度。仿真结果表明,所提方法在多威胁障碍环境下可以规划出满足要求的最优轨迹,且比原高斯伪谱法节约了大量运行时间。     

基于自适应差分进化算法的变循环发动机模型求解方法研究

为了降低传统迭代算法在求解变循环发动机非线性模型时对初值的依赖性,将模型的求解问题转换为求最小值的优化问题,引入差分进化算法进行模型的求解,并提出一种自适应差分进化算法(ADE)。ADE借助轮盘赌选择法,利用种群的进化经验可以自适应的选择最适合当前种群的差分策略与算法控制参数。针对变循环发动机四个典型工作点的模型求解问题,研究了标准差分进化算法(SDE)的控制参数对其性能的影响,获取了SDE在求解四个典型工作点时的最优控制参数组合,对比分析了ADE与SDE的性能差异,最后研究了种群规模对ADE性能的影响。结果表明：SDE在求解发动机模型时具有较好的鲁棒性,在求解不同工作点时算法的最优控制参数并不完全相同;相比于使用最优控制参数的SDE,ADE可以在不影响算法鲁棒性的情况下提升效率50%以上;减少ADE的种群规模会在提升算法效率的同时破坏鲁棒性。     

非线性数学规划在飞行力学中的应用

主要介绍非线性数学规划在飞行器轨迹优化中的应用，处理方法是将每一个状态变量用三次多项式表示，状态微分方程就化成一组代数方程，从而使飞机轨迹优化问题化成了离散的数学规划问题，再用广义Ｌａｇｒａｎｇｅ乘子法求解，该方法对一般的轨迹优化问题易于编程实现。     

基于GPM的高超声速飞行器再入轨迹优化

为保证高超声速飞行器具有最大再入距离,应用高斯伪谱方法求取了存在路径约束及终端约束的飞行器最优再入轨迹。首先选取迎角及倾斜角作为最优控制量,并分析再入轨迹的最优控制模型;然后应用高斯伪谱方法将最优控制问题离散成非线性规划问题,并采用SNOPT软件包对非线性问题进行求解,得到最优轨迹。通过仿真证明了该方法求得的最优轨迹对初始值不敏感,且具有良好的实时性。     

涡扇发动机加力过程非线性最优控制研究

1引言航空发动机加力过程控制通常分为接通加力和断开加力两个不同的过程,是目前的研究热点[1,2]。然而,航空发动机的加力过程参数变化剧烈,将对发动机控制系统产生很大的扰动,严重时会造成发动机喘振、超温以及超转。另一方面,发动机的加力过程是一个大偏离且具有较强非线性的     

利用厄密特多项式的配置和非线性规划进行小推力最优变轨

提出了一种计算在反平方场中采用小推力变轨的最优轨道的直接方法,这种方法采用了近段发展起来的使用分段的多项式来代替状态和控制变量的直接优化方法,然后最优控制问题就转化成可以用数值方法解决的非线性规划问题。     

三维高超声速飞行器再入轨迹快速优化

高超声速再入轨迹优化问题是一类复杂的最优控制问题。采用高斯伪谱法(GPM)将再入轨迹优化问题转化为非线性规划问题(NLP),对NLP进行归一化处理后,采用SNOPT软件包求解。根据协态变量映射规则计算出协态变量,得出哈密尔顿函数沿最优控制的变化过程。算例中,GPM耗时约7 s即可生成一条严格满足各种约束的三维最优再入轨迹,耗时远少于相关文献,并且优化精度高,满足一阶最优性必要条件。     

基于非线性规划的空空导弹水平转弯轨迹优化

基于空空导弹的质点动力学方程建立了轨迹优化模型,并根据非线性规划优化算法的特点,对优化模型中的积分变量进行替换。采用一种改进的多重打靶法将轨迹优化问题转化为约束非线性规划问题,在此基础上采用广义乘子法和变尺度法求解满足各种约束条件的最优转弯轨迹。仿真结果表明,该轨迹优化方法实现了导弹在约束条件下的最短时间转弯,且所得结果符合运动学规律,对于离轴发射以及越肩发射的转弯问题具有一定意义。     

考虑库仑阻尼时叶盘系统振动响应的求解方法

本文研究了具有干摩擦阻尼的带冠叶盘系统振动响应的求解问题。解决了时频法中由于叠混和泄漏而使迭代发散的问题。最后用时频法获得了令人满意的响应计算结果。     

Multiple-constraint cooperative guidance based on two-stage sequential convex programming

An improved approach is presented in this paper to implement highly constrained cooperative guidance to attack a stationary target. The problem with time-varying Proportional Navigation (PN) gain is first formulated as a nonlinear optimal control problem, which is difficult to solve due to the existence of nonlinear kinematics and nonconvex constraints. After convexification treatments and discretization, the solution to the original problem can be approximately obtained by solving a sequence of Second-Order Cone Programming (SOCP) problems, which can be readily solved by state-of-the-art Interior-Point Methods (IPMs). To mitigate the sensibility of the algorithm on the user-provided initial profile, a Two-Stage Sequential Convex Programming (TSSCP) method is presented in detail. Furthermore, numerical simulations under different mission scenarios are conducted to show the superiority of the proposed method in solving the cooperative guidance problem. The research indicated that the TSSCP method is more tractable and reliable than the traditional methods and has great potential for real-time processing and on-board implementation.