导航卫星的短弧运动学定轨

导航卫星在姿轨控和轨道恢复期间,由于观测数据有限,传统的统计定轨理论难以实现导航卫星精密定轨。本文尝试采用一种不依赖轨道动力学的、新的运动学定轨方法来处理短弧和复杂动力学过程中的定轨,提出了基于多项式拟合的短弧运动学定轨算法,并提出2种不同的实现方案。该算法充分利用了高采样率的测轨数据,减少了结果的噪声,其优点在于不需要长时间累积测轨数据,可以实现近实时快速计算,克服了动力学法定轨发散和单点定位无法获得卫星速度信息等不足。对COMPASS M-01导航卫星实测数据的处理表明,10min左右短弧运动学定轨的位置精度可以优于10m,速度精度优于4cm/s,满足了短弧跟踪条件下RDSS对卫星轨道精度的要求,实现了短弧跟踪条件下卫星精密定轨,但从轨道预报精度来看,该方法仅仅适用于短期预报。     

单颗导航卫星的轨道确定

讨论在导航星座只有一颗卫星时，不依赖于时间同步系统的卫星定轨策略和精度分析。采用历元间差分算法，在消除钟差的主项（低频）误差后，将伪距和相位数据转化为等价的积分Doppler数据，并对其建立测量模型。仿真分析表明，此时不需要知道钟差参数而定轨算法收敛。为进一步验证此定轨方案的可行性及其定轨精度，利用实测的GPS数据进行轨道确定计算，计算结果表明，采用历元间差分算法，利用国内观测台站3天弧段的观测资料对单颗GPS卫星进行定轨，其径向精度优于10m，利用其对国内定位用户的用户距离误差URE可达13．8m。     

天宫一号频繁轨控条件下快速测定轨精度及策略分析

2016年,中国将要执行空间站与货运飞船的快速交会对接试验,该试验要求飞船起飞后6 h完成与空间站的交会对接。工程实践中需要对飞船进行多次远导控制,其间留给快速定轨的数据时长最少可能只有5 min,这对短弧定轨精度提出了较高要求。利用天宫一号在轨运行期间实测数据开展了快速测定轨试验,试验频繁轨控条件下5 min数据时长的快速测定轨精度。试验结果表明,不同条件下短弧定轨精度差异较大,这为快速交会对接试验带来了较大风险。为了提高短弧定轨精度,制定了利用轨控前后数据联合解算轨控从而增加定轨数据弧段的方法提高短弧定轨精度的定轨策略。分析结果表明,该定轨策略有效提高了短弧定轨精度,可满足快速交会对接试验轨道维持控制要求。     

CE-2小行星探测试验轨道快速重建研究

"嫦娥二号"实施小行星探测试验,与小行星交会时卫星距离地球约700万km,此飞行阶段卫星定轨计算精度非常依赖于测轨数据的弧长。卫星最后两次轨道修正只有13天时间,而实现小行星拍照试验指标要求轨道精度优于15km。如何利用有限的测轨数据实现高精度定轨是小行星探测试验必须解决的重要问题。针对控后跟踪弧段有限的特点,以10月9日控后飞行阶段为分析对象,设计了不同的定轨策略,并比较定轨计算的精度。计算结果表明,融合轨控前后的测轨数据开展定轨计算,可以有效提升定轨计算精度。利用控前1个月和控后10天的测轨数据进行定轨计算与控后6周数据定轨计算精度相当。     

一种有效提高超大偏心率轨道初轨确定精度的新方法

针对某型号航天器的运行轨道偏心率大、轨控结束后可用于初轨确定的测轨数据少的特点,提出了一种能有效提高超大偏心率短弧段初轨确定精度的新方法。该新方法将轨道改进的思想融入初轨计算方法中,使之既适用于各种偏心率轨道的初轨计算,也适用于各种偏心率轨道的长弧段、多圈、多站数据的轨道改进;解决了传统初轨确定方法超大偏心率轨道短弧段初轨确定误差偏大的问题。通过任务实测数据的检验,新方法适用于各种偏心率轨道,并且超大偏心率轨道的初轨确定精度明显优于传统方法。     

一种基于雷达波束驻留模式的空间碎片轨道参数估计方法

利用窄波束的单脉冲精密跟踪雷达波束驻留模式进行碎片探测是空间碎片环境统计特征描述的一种重要途径。由于该模式观测弧段极短,且无法获取同一目标的多个弧段,因而利用常规定轨方法难以达到理想的效果。在圆轨道假设下,提出了一种利用波束驻留模式获取的单个极短弧计算碎片轨道高度和倾角的方法。首先利用碎片的距离确定其轨道高度;在此基础上,根据推导出的不同波束指向时碎片的距离变化率与轨道倾角的关系,得出其轨道倾角。该方法对于正南、正东指向的雷达波束驻留模式均适用,其中正南指向时还需利用方位角和仰角数据来区分轨道倾角与补角;但不适用于波束指向天顶的情况。仿真结果验证了方法的有效性。     

多源观测数据融合星箭分离初轨计算

星箭分离轨道计算是航天器发射过程的重要内容,但由于其可用数据弧段短、观测数据预处理精度受限、实时性要求高、无真实参考轨道等特点,其计算结果与事后精密定轨有较大差异,定轨精度受限,而星箭分离前后常常有多种类型的观测数据,将其联合使用对提高星箭分离定轨精度和可靠性有一定作用。从此思路出发,基于航天器摄动运动状态转移方程,建立了雷达外测数据、GPS及秒节点数据等不同类型观测数据的最小二乘短弧定轨方程,并使用转换测量、直接合成、联邦计算等不同方法对这几类数据进行了融合计算,给出了动态权重赋值和野值判断的方法。仿真及实测数据计算结果表明所给方法是可行的,并对各方法的优劣性进行了对比。研究结果对航天器轨道及定位计算有一定的工程参考价值。     

空间目标光电跟踪的调度策略

针对空间目标光电跟踪调度问题,根据不同轨道空间目标的运动特征,着重考虑对编目定轨影响最大的轨道弧长,基于线性规划模型,分别提出了适合低轨道和中高轨道空间目标跟踪调度优化数学模型。仿真计算表明,模型在消除弧段冲突、充分利用观测时间的基础上实现了最优轨道弧长的观测策略,计算量适当,能够满足实践应用的需求。实测试验表明调度策略有效可行,能够提高50%的有效观测时间。     

金星探测器测定轨系统设计与试验验证

针对我国未来自主金星探测活动中的测量与导航实施问题,重点研究了地基测定轨系统的设计与实现,阐述了测距、测速和甚长基线干涉测量等能力,提出了基于我国金星探测测定轨系统设计方案,建立了高精度测量模型和定轨策略,并完成了软件实现。利用与欧空局联合开展的金星快车探测器跟踪试验,对该系统进行了初步验证,实测数据定轨结果与欧空局事后精密轨道的位置偏差优于485m,速度偏差优于5.5cm/s。试验结果验证了该系统的数据处理和轨道计算能力达到欧空局金星快车探测器同等水平,初步检验了该系统测量数据处理和轨道确定部分的正确性、有效性,可为后续我国自主金星探测提供测定轨技术支持。     

卡尔曼滤波用于卫星定轨的研究

本文对卡尔曼滤波用于卫星定轨中的一些问题进行了探讨,对由力学模型误差引起的滤波发散,给出了合理选取动态噪声方差Q的方法,指出了应如何评定滤波精度。针对高精度的卫星定轨工作,给出了一套实用的算法,并通过实测资料的定轨计算,验证了所得结论。     

Stochastic structural optimization using particle swarm optimization, surrogate models and Bayesian statistics

This paper focuses on a method to solve structural optimization problems using particle swarm optimization (PSO), surrogate models and Bayesian statistics. PSO is a random/stochastic search algorithm designed to find the global optimum. However, PSO needs many evaluations compared to gradient-based optimization. This means PSO increases the analysis costs of structural optimization. One of the methods to reduce computing costs in stochastic optimization is to use approximation techniques. In this work, surrogate models are used, including the response surface method (RSM) and Kriging. When surrogate models are used, there are some errors between exact values and approximated values. These errors decrease the reliability of the optimum values and discard the realistic approximation of using surrogate models. In this paper, Bayesian statistics is used to obtain more reliable results. To verify and confirm the efficiency of the proposed method using surrogate models and Bayesian statistics for stochastic structural optimization, two numerical examples are optimized, and the optimization of a hub sleeve is demonstrated as a practical problem.     

基于粒子群和人工蜂群混合算法的气动优化设计

现代启发式智能算法存在全局与局部搜索能力的平衡问题,针对此问题,采用双种群进化策略和信息交流机制,提出一种基于粒子群算法和人工蜂群算法相结合的新型混合优化算法——MABCPSO,并分别进行函数测试和翼型的气动优化设计验证。结果表明:MABCPSO新型混合优化算法具有更好的寻优能力,相比粒子群算法和人工蜂群算法,该算法能以更少的进化代数分别提高1.7%和2.2%的减阻效果。     

基于PSO算法的舰载机舰面布放调度方法研究

基于智能粒子群(PSO)算法对戴高乐航母舰载机舰面布放调度问题的解决方法进行了研究。首先,分析了舰载机舰面布放调度的必备条件,包括设置舰面战位;测量计算舰载机由各个停机战位分别到2个准备战位的近似移动距离;分析了舰载机正常的出动流程;设计了不同数量舰载机的出动时间计算公式等。其次,将舰载机舰面布放调度问题转换为带有约束条件的多目标函数求最小解问题,并给出了数学模型。再次,分析PSO算法本身的特点、优点,给出其用于解决舰载机舰面布放调度问题的可行性,并具体分析了解决思路。最后,通过编制程序对该解决方法予以实现。实验结果表明,基于PSO算法的舰载机舰面布放调度问题解决方法是可行的,与实际要求也基本一致。     

Robust optimization of control command for aerospace vehicles with aerodynamic uncertainty

To reduce the design burden of Aerospace Vehicles (ASVs) control systems, this paper proposes a multi-constrained robust trajectory optimization method, which provides a good front-end input for the control system. Differ from the conventional aircraft, some control performance of ASVs is not only related to the model parameters, but also affected by the flight status. Therefore, the robust optimization method combines this characteristic of ASVs, sets the control performance as one of the optimization objectives, and considers the influence of parameter uncertainty. In this method, the polynomial chaos expansion algorithm is used to transform the trajectory optimization problem with uncertain parameters into the equivalent deterministic robust trajectory optimization problem. Finally, compared with traditional deterministic trajectory optimization methods to illustrate the effectiveness of proposed control optimization method.     

Longitudinal parameter identification of a small unmanned aerial vehicle based on modified particle swarm optimization

This paper describes a longitudinal parameter identification procedure for a small unmanned aerial vehicle(UAV)through modified particle swam optimization(PSO).The procedure is demonstrated using a small UAV equipped with only an micro-electro-mechanical systems(MEMS)inertial measuring element and a global positioning system(GPS)receiver to provide test information.A small UAV longitudinal parameter mathematical model is derived and the modified method is proposed based on PSO with selective particle regeneration(SRPSO).Once modified PSO is applied to the mathematical model,the simulation results show that the mathematical model is correct,and aerodynamic parameters and coefficients of the propeller can be identified accurately.Results are compared with those of PSO and SRPSO and the comparison shows that the proposed method is more robust and faster than the other methods for the longitudinal parameter identification of the small UAV.Some parameter identification results are affected slightly by noise,but the identification results are very good overall.Eventually,experimental validation is employed to test the proposed method,which demonstrates the usefulness of this method.     

飞机飞行控制系统参数多目标优化设计研究

针对传统飞行控制律参数单目标优化设计不能同时满足多控制指标要求,且与飞行品质要求缺乏相关性,物理意义不明确等缺点,提出了一种基于改进粒子群算法的飞行控制律多目标优化设计方法。算法模拟鸟类捕食过程,使得种群随着"食物"的发现和消耗,聚集为数量和构成动态调整多个子群,且子群粒子速度也随之进行自适应变异,从而有利于维持种群的多样性,有效抑制早熟收敛现象发生。最后,使用改进的粒子群优化算法对某型飞机纵向控制律设计进行数值仿真,结果显示,算法有效提高控制律优化调参效率,结果满足期望的飞行品质要求。     

基于微分进化算法的二自由度PID控制器参数优化

针对二自由度PID控制器参数多、调节困难等问题,提出了一种基于微分进化算法参数调节优化方法。证明了微分进化算法能够收敛到平稳点,并具有概率全局收敛性。研究了二自由度PID控制器参数与抑制特性、跟踪特性的关系,并将微分算法与遗传算法、粒子群算法的参数优化结果进行了比较。仿真验证表明,微分算法能够更好地实现二自由度PID控制器参数的调节,具有优异的跟踪特性和抑制特性。     

Application of a PCA-DBN-based surrogate model to robust aerodynamic design optimization

An efficient method employing a Principal Component Analysis (PCA)-Deep Belief Network (DBN)-based surrogate model is developed for robust aerodynamic design optimization in this study. In order to reduce the number of design variables for aerodynamic optimizations, the PCA technique is implemented to the geometric parameters obtained by parameterization method. For the purpose of predicting aerodynamic parameters, the DBN model is established with the reduced design variables as input and the aerodynamic parameters as output, and it is trained using the k-step contrastive divergence algorithm. The established PCA-DBN-based surrogate model is validated through predicting lift-to-drag ratios of a set of airfoils, and the results indicate that the PCA-DBN-based surrogate model is reliable and obtains more accurate predictions than three other surrogate models. Then the efficient optimization method is established by embedding the PCA-DBN-based surrogate model into an improved Particle Swarm Optimization (PSO) framework, and applied to the robust aerodynamic design optimizations of Natural Laminar Flow (NLF) airfoil and transonic wing. The optimization results indicate that the PCA-DBN-based surrogate model works very well as a prediction model in the robust optimization processes of both NLF airfoil and transonic wing. By employing the PCA-DBN-based surrogate model, the developed efficient method improves the optimization efficiency obviously.     

基于改进PSO的飞行控制律参数多目标优化方法

针对传统飞行控制律参数单目标优化设计不能同时满足多控制指标要求,且与飞行品质要求缺乏相关性,以及物理意义不明确等缺点,提出了一种基于改进粒子群算法的飞行控制律多目标优化设计方法。该算法模拟鸟类捕食过程,使得种群随着"食物"的发现和消耗,聚集为数量和构成动态调整多个子群,且子群粒子速度也随之进行自适应变异。从而,有利于维持种群的多样性,有效抑制早熟收敛现象发生。最后,还使用改进的粒子群优化算法对某型飞机横侧向控制律设计进行了数值仿真,结果显示该算法有效提高控制律优化调参效率,可满足期望的飞行品质要求。