复杂环境下翼伞系统的组合式航迹规划

传统翼伞系统的航迹规划主要考虑落点精度及逆风着陆等指标,而当空投区域环境较为复杂,在翼伞系统归航路径上存在障碍时,如何规避这些障碍也成为翼伞系统航迹规划所必须要考虑的因素。针对翼伞空投过程有可能遇到高山或者高大建筑物阻碍的问题,提出了一种复杂环境下翼伞系统的组合式航迹规划策略。该方法将翼伞空投的区域分为障碍区和着陆区,在障碍区中采用快速搜索随机树（RRT）算法进行可行路径搜索,考虑到RRT算法生成的轨迹包含棱角,导致路径不够平滑的问题,结合翼伞系统质点模型的运动特性,对其进行了适用性改进,以使规划的航迹满足实际翼伞空投需求。为了解决RRT算法搜索方向随机,难以满足逆风着陆的问题,当翼伞系统进入着陆区后采用分段归航的方式设计航迹,并借助遗传算法（GA）求解目标参数,实现翼伞系统能量控制及逆风着陆。提出的复杂环境下翼伞系统的组合式航迹规划策略求解速度较快,能够同时满足翼伞系统避障、能量控制及逆风着陆要求,得到的参考航迹较为平滑。     

最优导引律研究

与常规导引律不同，直接以追踪器航迹角为优化控制变量，基于最优控制理论，借助追踪末端的几何关系，设计了基于非线性追踪模型的时间最优导引律；之后，针对工程实现，又对它进行了改进研究，以克服理论设计的两点不足：一是数值计算存在误差，会削弱导引性能；二是最优条件过于理想化，目标轨迹无法预先知道，难于工程实现。仿真研究表明：本文提出的2种改进方法，基于分段优化计算和基于分段预测控制的最优导引方法，能够有效地克服理论设计的不足，使得所设计的导引律成为真正意义上的最优导引律。     

基于高斯伪谱法的翼伞系统复杂多约束轨迹规划

翼伞系统在实际环境中飞行时易受到风场以及地形环境等复杂干扰的影响,无法精确归航,控制难度较大。针对该问题,提出了一种针对复杂多约束条件的翼伞系统的最优控制轨迹规划方法,可同时实现翼伞系统在复杂环境下逆风对准、精确着陆以及控制量全局最优的控制目标。首先,建立了风场干扰下的翼伞系统模型;然后,通过引入地形环境曲面,将复杂环境转化为实时路径约束,将轨迹着陆偏差以及逆风雀降转化为终端约束,并考虑控制量消耗最小为目标函数,以此将复杂环境下的翼伞系统的轨迹优化转化为一系列非线性的带有复杂约束的最优控制问题;最后,采用高斯伪谱法将多约束最优控制问题转化为易于求解的非线性规划问题。通过设立3组复杂环境仿真实例和实验验证,表明本文方法使翼伞系统在多种较恶劣的复杂环境中有效应对多类约束条件,规划出控制量全局最优的可行轨迹。与已有的混沌粒子群优化算法相比,本文方法具有较好的最优性和较高的精度。     

具有自动回溯的机动目标航迹精细化分段识别

机动目标航迹分段识别是判断目标行为意图的基础,然而现有航迹分段算法对模式变化检测能力弱,难以满足机动目标航迹快速精细化分段的需求。提出双层精细化航迹分段框架,预分段层检测目标运动过程中的模式切换,确定模式变化明显的预分段区,得到目标模式变化明显区域的预分段点;再分段层对模型差异小的非预分段区航迹进行回溯迭代优化再分段,得到更为精细的分段点。该框架具有从粗到精的航迹分段处理能力,实现了对于机动目标航迹的精细化分段识别。选取两个典型的目标机动仿真场景验证了所提算法的有效性,不仅减少了迭代优化时间,而且提高了分段识别精度。     

燃料电池无人机能源管理与飞行状态耦合

开展了燃料电池/锂电池（简称燃锂）混合动力无人机的能源管理与飞行状态耦合研究。综合顶层飞行任务规划与底层能源系统管理，以动力系统模型为耦合点联立能源系统与无人机运动方程，建立能源状态与运动状态耦合模型。针对燃锂混合最紧密的爬升过程，以迎角、转速和燃料电池的放电功率作为控制变量，建立了燃料消耗最小的能源管理与航迹规划耦合最优控制问题，研究不同爬升高度对最优控制过程的影响，并与模糊控制能源管理策略进行对比分析。针对大功率短时爬升和小功率长时巡航的典型任务特点，建立了燃锂最优混合问题。研究了最优的锂电池容量和燃料电池功率水平的混合量，以及爬升和巡航两阶段最优功率分配和飞行状态，分析了不同巡航目标高度对最优混合量和飞行状态的影响。结果表明：采用能源与航迹耦合的最优控制策略在给出最优功率流分配的同时，能够很好地兼顾飞行状态控制；对燃锂混合和飞行状态的综合优化可以有效地处理爬升和巡航阶段的能源需求矛盾，在给出最优燃锂混合量和飞行状态的同时，降低整个任务过程的燃料消耗。     

直升机单发失效侧向起降轨迹优化

建立了基于置信度较高的飞行动力学模型的直升机平台侧向起降轨迹优化最优控制模型,使用间断有限元法离散该模型,使用序列二次规划算法(SQP)进行求解,得到直升机平台上侧向起降单发失效后的最优操纵和飞行轨迹。以UH-60直升机为算例,分析了不同操纵速率加权系数对以最小下降高度为目标函数的继续起飞最优化轨迹的影响;研究了不同初始高度对以安全着陆速度为目标函数的中断起飞最优化轨迹的影响。     

无人机跟踪运动目标航迹规划算法

对无人机跟踪运动目标的原理进行了分析,设计了跟踪系统的动力学模型,提出了一种基于切线法的航迹规划算法。在动力学约束条件下实现了对无人机的航迹、速度、加速度等的最优控制,从而解决了无人机跟踪运动目标问题,并给出了算法的具体设计步骤。仿真结果表明,该算法能够快速、有效地为无人机规划出跟踪运动目标的最优航迹。     

改进速度障碍法的无人机局部路径规划算法

针对无人机基于环境感知进行局部路径再规划的实时与安全性问题，提出了一种基于改进速度障碍法的局部路径避障规划算法。将传统速度障碍法拓展到三维空间中，建立三维空间速度障碍模型，将机动性动态障碍物在速度空间中的运动不确定转化为位置不确定，实时性更好，提高了避障水平与安全裕度；通过定义和引入自适应威胁距离，提高了无人机在避障过程中对原航迹的利用率；利用空间几何分析，求解无人机空间自主避障的最优速度，实现局部路径动态实时规划。通过比较分析对遇、追击和交叉3种场景下的局部路径避障规划仿真结果，验证了该算法的实时性、可行性和有效性。     

临近空间太阳能飞机能量最优飞行航迹规划方法展望

临近空间太阳能飞机是低速临近空间飞行器中一种极具发展潜力的技术途径，有望成为一个理想的区域通信、中继和运输平台。实现N×24小时能源闭环的超长航时飞行，是发展临近空间太阳能飞机的核心问题，也是形成“区域保持+时间持久”特色能力的关键。能量最优航迹规划方法是解决临近空间太阳能飞机跨昼夜能量闭环难题的有效技术方向。当前临近空间太阳能飞机能量最优航迹规划方法可分为2类：不考虑风场变化的能量最优航迹规划方法和不考虑大范围高度变化的能量最优航迹规划方法。分别对这2类问题的研究成果进行了分析与讨论，考虑不同处理框架给实际工程应用带来的困难与挑战，认为未来应统一考虑太阳辐射、空间高度和风场变化，并融合重力势能与梯度风场对太阳能飞机临近空间持久驻留能量变化的影响，开展基于强化学习框架的太阳能飞机能量最优“通用”飞行航迹规划方法研究。为此，有必要开展临近空间风场环境表征与重构、临近空间梯度风场对太阳能飞机滑翔轨迹能量影响分析、最优飞行航迹示教轨迹生成与分类、基于示教轨迹的太阳能飞机强化学习框架构建等关键技术研究。可为设计太阳能飞机能量最优航迹规划方法提供参考，为规划太阳能飞机研究技术路线提供支撑。     

民机四维航迹/姿态一体化自适应控制

出于运营效率和飞行安全的考虑，民用飞机在航路终端区需有效减少飞行总系统误差（TSE），提高空域资源利用率。在此航段中，飞行技术误差（FTE）是最主要的组成部分，需采用引导控制一体化的设计思想，实现民机起飞/着陆段四维航迹精确跟踪，有效减小飞行技术误差。基于回路传递函数恢复（LTR）技术协调设计随机线性系统状态观测器和最优控制器，解决大气紊流作用下的民机飞行控制系统设计问题。在此基础上，引入自适应投影算子估计大气扰动导致的气动参数不确定性，并对其作用效果进行补偿。仿真结果表明，基于LQG/LTR（Linear Quadratic Gaussian/Loop Transfer Recovery）控制技术的自适应飞行控制律可以有效抑制气动参数不确定性影响，能够实现民机四维航迹/姿态一体化高精度控制的目标。     

基于动力学RRT*的自由漂浮空间机器人轨迹规划

针对自由漂浮空间机器人（FFSR）轨迹规划问题,提出了一种基于动力学RRT^*算法的FFSR轨迹规划方法。首先,建立了FFSR的运动学与动力学模型,将系统模型伪线性重构为状态空间模型,并设计了考虑位姿调整时长和能量消耗的加权目标函数;然后,针对机械手初末位置间的障碍,简化避障方法,提出了机械臂避障与机械手避障两层次避障策略,提高碰撞检测效率;接着,给出了多体系统的动力学RRT^*逼近最优轨迹的方法;最后,为验证算法有效性并不失一般性,选取平面2连杆FFSR模型进行数值仿真并用经典RRT^*算法和高斯伪谱法与之对比。仿真结果表明,该方法能够以较快的速度生成可行的机器人移动轨迹。     

求解最优月球软着陆轨道的隐式打靶法

基于间接法思想推导出一种隐式打靶法对月球软着陆轨道优化问题进行了研究。建立月球软着陆轨道归一化系统模型，利用庞特亚金极大值原理将月球软着陆轨道优化问题转化为满足最优必要条件的两点边值问题（TPBVP），采用一种新的时间变量使两点边值问题的终端时刻固定，同时将终端时刻看作状态变量并引入终端时刻的哈密尔顿函数值作为隐式终端条件，提出一种隐式打靶法对含有隐式终端条件的两点边值问题进行迭代求解，从而得出燃料消耗最优的月球软着陆轨道。仿真结果表明，与直接法和混合法相比，隐式打靶法优化精度高，收敛速度快，实现了月球软着陆过程燃料消耗最优。同时应用隐式打靶法求解不同发动机推力值的最优月球软着陆问题，得到燃料消耗最小的最优推重比，可为月面着陆器下降级发动机选型提供参考。     

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。     

基于HP-RPM的高超声速滑翔飞行器轨迹优化

针对含有航路点、禁飞区约束的再入突防轨迹优化问题,提出了基于HP自适应Radau伪谱法(HP-RPM)的分段轨迹优化策略,给出了在含有热流密度、过载、动压、航路点和禁飞区等约束条件下的再入轨迹优化模型;利用HP-RPM对含有再入的最优控制问题进行离散化,将其转为非线性规划问题,并根据航路点所在的位置,对再入轨迹进行分段,以再入滑翔飞行的时间最短为仿真目标函数进行仿真计算。仿真结果表明,此方法可以生成一条满足多种约束条件的高精度优化轨迹,并且用时较短。     

非合作目标交会的双层MPC全局轨迹规划控制

针对空间非合作目标近距离视线交会中的全局最优鲁棒轨迹规划与控制问题,提出了基于高斯伪谱方法（GPM）和线性时变模型预测控制（LTVMPC）的双层模型预测控制（MPC）算法。在轨迹规划方面,以视线坐标系下的相对轨道动力学为模型、能量最少和控制精度最优为性能指标构建最优控制问题,利用GPM精度高、收敛速度快的特点将最优控制问题转化为易于求解的全局非线性规划问题,在MPC框架下求解得到全局最优的标称轨迹,克服了传统的MPC不适用于全局大范围非线性规划的缺点;在轨迹跟踪控制方面,考虑预测时域内状态转移矩阵的时变特性,设计了LTVMPC算法对标称轨迹进行追踪,避免了存在不确定性时轨迹的重规划,从而降低在线计算量,保证算法在线自主实施,并且采用滚动优化的策略使算法对不确定性具有鲁棒性。由于规划层和控制层考虑的约束相同,因此规划的轨迹是可控、可达的。数字仿真表明,在燃料消耗和交会时间等方面,提出的方法均显著优于传统的MPC方法,相较于传统的MPC方法,新算法的交会时间减少50%左右,燃料消耗降低30%以上。     

扰动环境下火星精确着陆自主轨迹规划方法

针对扰动环境下火星精确着陆动力下降段自主轨迹规划问题,在终端时间自由条件下,研究了基于序列凸优化方法的自主轨迹规划方法。首先,在终端自由情况下,建立初始状态无扰动轨迹预规划问题。其次,结合鲁棒Tube-MPC思想,针对线性反馈控制律,建立扰动环境下着陆轨迹重规划问题,分析重规划问题的可行性,给出了预规划问题可行的必要性条件,为控制参数的选取提供参考,提出扰动环境下火星精确着陆自主轨迹规划框架。然后,针对终端自由问题,将飞行时域映射到单位时间,建立序列凸优化子问题,对子问题进行线性近似,使用序列凸优化方法进行求解并分析了收敛解的最优性。最后,进行数值仿真,验证扰动环境下火星精确着陆自主轨迹规划方法的有效性。     

Convex optimization of asteroid landing trajectories driven by solar radiation pressure

High-area/mass ratio landers driven by Solar Radiation Pressure (SRP) have potential applications for future asteroid landing missions. This paper develops a new convex optimization-based method for planning trajectories driven by SRP. A Minimum Landing Error (MLE) control problem is formulated to enable planning SRP-controlled trajectories with different flight times. It is transformed into Second Order Cone Programming (SOCP) successfully by a series of different convexification technologies. A trust region constraint and a modified MLE objective function are used to guarantee the convergence performance of the optimization algorithm. Thereafter, the SRP-driven trajectory optimal control problem is converted equivalently into a sequence of convex optimal control problems that can be solved effectively. A set of numerical simulation results has verified the effectiveness and feasibility of the proposed optimization method.     

基于改进A*算法的UUV冰下避障航迹规划算法

针对冰下避障航迹规划问题,提出了一种基于改进A*算法的三维冰下避障航迹规划算法.不同于传统的A*航迹规划算法,该算法结合了人工势场航迹规划算法的思想,将水下地形碰撞约束、海冰碰撞约束以及UUV巡航高度约束重新编排.算法分析表明,该避障航迹规划算法能够有效增强UUV冰下避障能力与定深巡航高度控制能力.基于改进的A*冰下避障航迹规划算法,给出了上述约束的设计方法并进行了仿真验证.仿真结果表明,基于上述约束的航迹规划算法具有良好的避障能力、巡航高度控制能力以及航行距离控制能力.