交会对接绕飞段临界安全轨迹研究

以Hill方程为基础对圆轨道近距离双脉冲绕飞安全策略进行研究.首先给出双脉冲绕飞的模型,通过仿真遍历得到不会进入球形安全区的绕飞轨迹,然后绘制出这些安全的绕飞轨迹所对应的绕飞时间、燃料消耗、追踪器与目标器的初始距离三个量之间的关系曲面,进而得到临界安全条件下的关系曲线并拟合出关系表达式,最后对拟合误差进行分析发现导致轨迹偏离的程度很小.     

交会对接绕飞段临界安全轨迹研究

以Hill方程为基础对圆轨道近距离双脉冲绕飞安全策略进行研究.首先给出双脉冲绕飞的模型,通过仿真遍历得到不会进入球形安全区的绕飞轨迹,然后绘制出这些安全的绕飞轨迹所对应的绕飞时间、燃料消耗、追踪器与目标器的初始距离三个量之间的关系曲面,进而得到临界安全条件下的关系曲线并拟合出关系表达式,最后对拟合误差进行分析发现导致轨迹偏离的程度很小.     

基于长方体禁飞区的安全绕飞轨迹设计

摘要： 以C W方程为基础针对圆轨道近距离双脉冲绕飞问题,研究基于长方体禁飞区的安全绕飞轨迹设计方法.针对双脉冲绕飞动力学模型中的变量进行代数变换,在此基础上对变量间的关系进行推导,证明部分变量在特定区间范围内具有单调性的定理;给出保证绕飞轨迹安全的约束条件,进而结合推导出的定理和安全约束条件得到轨道面内全方位安全绕飞轨迹的一般性设计方法.通过针对以目标器正后方为绕飞起点的两种典型绕飞以及到任意方位的绕飞进行仿真,验证方法的有效性.     

航天器受迫绕飞构型设计与控制

针对航天器在轨服务任务对绕飞技术的要求,研究了航天器受迫绕飞构型设计和控制问题。基于C-W(Clohessy-Wiltshire)方程的解析解,提出了双水滴拼接绕飞构型,并将单脉冲或双脉冲受迫绕飞延展至多脉冲绕飞构型设计;推导了伴随航天器初始状态变量与绕飞构型形状参数的关系,得到了4种构型的解析表达式和脉冲控制策略。通过数值仿真算例验证了设计的4种绕飞构型能够实现伴随航天器的慢速绕飞和快速绕飞,比较了不同绕飞构型的燃料消耗和绕飞距离误差。数值结果表明,双水滴拼接绕飞构型总脉冲最小。研究成果完善了航天器受迫绕飞构型设计与控制的相关理论,为工程应用提供参考。     

基于粒子群算法的多脉冲转移轨迹优化

通过引入Lambert算法处理终端约束条件,建立基于可行解迭代的多脉冲转移轨迹优化模型,采用粒子群算法优化最省燃料转移轨道,并对分别采用变轨点真近点角和变轨时刻作为设计变量的优化结果进行了对比分析.对相同的两脉冲、三脉冲轨道转移问题,优化结果验证了提出的优化模型和优化算法的正确高效性.仿真表明,使用变轨点真近点角为设计变量时优化效率和结果更好.     

基于遗传算法的最优Lambert双脉冲转移

研究了初始位置和转移时间不固定的Lambert双脉冲轨道转移的数值解,用三 维图和截面图直观显示了初始位置、转移时间和速度增量的关系,并说明了其在实际工程任 务中的应用价值.基于数值解,提出了Lambert双脉冲轨道转移的优化问题.目标是找到最 优初始位置和转移时间,使燃料和时间的加权和最小.给出了遗传算法求解该优化问题的设 计步骤.该算法应用于2个算例:①平面圆轨道的燃料最优转移,并将遗传算法和Hohmann 转移的结果进行了比较;②椭圆轨道、初始位置有约束的燃料和时间最优转移.结果说明 了遗传算法寻找最优转移解是准确有效的.      

基于PSO的多星座GNSS垂直保护级优化方法

针对传统的高级接收机自主完好性监测（ARAIM）算法中完好性风险和连续性风险分配存在保守的问题，提出了一种基于粒子群优化（PSO）算法的完好性风险和连续性风险分配方法。将不同的分配策略作为算法中不同的粒子，选取不同故障子集对应的垂直保护级的加权和为适应度函数，每个粒子基于粒子群优化寻优原理更新其位置及速度直至满足条件，进而得到优化后的分配策略和对应的垂直保护级。通过双星座对所提方法进行验证，并与传统方法进行对比分析，结果表明:基于PSO算法的完好性风险和连续性风险分配策略优化了垂直保护级，提高了ARAIM全球可用性。      

对异面椭圆轨道目标航天器的长期绕飞轨迹设计与控制

研究了绕飞卫星对异面椭圆轨道目标航天器进行长时间绕飞观测的轨道设计与控制问题。首先建立了适用于目标航天器运行在椭圆轨道上的长期绕飞轨迹设计模型;得到了绕飞轨迹以目标航天器为中心且保持封闭的条件。然后,考虑绕飞轨迹安全性和完成任务的相对距离需求,针对具体目标设计了长期绕飞观测轨道。绕飞过程中存在的摄动和误差影响会使绕飞轨迹不能保持封闭,不满足任务需求,为此采用双脉冲方法对绕飞轨迹进行控制。仿真结果表明,对运行在异面椭圆轨道上的目标航天器,所建立的绕飞轨迹设计模型和轨迹控制方法可以用于长期绕飞轨迹设计与控制中。     

一种改进的基于双矢量观测的姿态确定算法

为了提高飞行器姿态确定的精度和姿态矩阵的解算速度,提出了一种改进的双矢量定姿算法.这种算法利用测量系统的方差对两个观测矢量进行加权处理,求得一个新的矢量,以两观测矢量夹角为判断依据选取加权系数;以新矢量为基准矢量,利用双矢量定姿算法求解姿态矩阵,并对求得的姿态矩阵进行修正.仿真结果表明:这种算法所需时间为优化算法的50%,当两个传感器测量误差不同、两矢量为任意夹角时,这种算法比优化的双矢量算法精度高;当两个传感器测量误差相同时,除了两矢量夹角为90°外,这种算法均比优化的双矢量算法精度高.     

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.     

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.      

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。      

基于混沌的改进粒子群优化粒子滤波算法

针对基本粒子滤波(PF)算法存在的粒子退化和重采样引起的粒子多样性丧失,导致粒子样本无法精确表示状态概率密度函数真实分布,提出了一种基于混沌的改进粒子群优化(PSO)粒子滤波算法。通过引入混沌序列产生一组混沌变量,将产生的变量映射到优化变量的区间提高粒子质量,并利用混沌扰动克服粒子群优化局部最优问题。利用单变量非静态增长模型(UNGM)在高斯噪声和非高斯噪声环境下将该算法与基本粒子滤波和粒子群优化粒子滤波(PSO-PF)的性能进行仿真比较。结果表明:该算法的性能在有效粒子数和均方根误差(RMSE)等参数都优于基本粒子滤波和粒子群优化粒子滤波,改善了算法的精度和跟踪性能。      

Forming and keeping fast fly-around under constant thrust

A new switching control algorithm under constant thrust is designed for the chaser fast flying around the target spacecraft along a specified fly-around trajectory. The switching control laws are obtained based on the acceleration sequences and the on time of thrusters which can be computed by the time series analysis method. The perturbations and fuel consumptions are addressed during the computation of the on time of thrusters. Furthermore, the relative position parameters of the target spacecraft are obtained by using the vision measurement and the target fly-around positions are calculated through the isochronous interpolation method. The change of the relative position and the relative velocity of the chaser during the constant thrust fast fly-around are presented through simulation example. It is proved that, with the switching control laws, the chaser will fast fly around the target spacecraft along the specified fly-around trajectory.     

Fault detection and isolation in GPS receiver autonomous integrity monitoring based on chaos particle swarm optimization-particle filter algorithm

The receiver autonomous integrity monitoring (RAIM) is one of the most important parts in an avionic navigation system. Two problems need to be addressed to improve this system, namely, the degeneracy phenomenon and lack of samples for the standard particle filter (PF). However, the number of samples cannot adequately express the real distribution of the probability density function (i.e., sample impoverishment). This study presents a GPS receiver autonomous integrity monitoring (RAIM) method based on a chaos particle swarm optimization particle filter (CPSO-PF) algorithm with a log likelihood ratio. The chaos sequence generates a set of chaotic variables, which are mapped to the interval of optimization variables to improve particle quality. This chaos perturbation overcomes the potential for the search to become trapped in a local optimum in the particle swarm optimization (PSO) algorithm. Test statistics are configured based on a likelihood ratio, and satellite fault detection is then conducted by checking the consistency between the state estimate of the main PF and those of the auxiliary PFs. Based on GPS data, the experimental results demonstrate that the proposed algorithm can effectively detect and isolate satellite faults under conditions of non-Gaussian measurement noise. Moreover, the performance of the proposed novel method is better than that of RAIM based on the PF or PSO-PF algorithm.     

旋翼多维振动最优调整方法

针对直升机旋翼系统非线性、难以建模的特点,采用径向基函数(RBF,Ra-dial Basis Function)神经网络建立直升机旋翼动平衡调整模型.根据约束条件以直升机机身振动值作为目标函数建立适应度函数,以旋翼系统的调整参数为优化变量,进行神经网络学习和优化.利用粒子群优化(PSO,Particle Swarm Optimization)算法对适应度函数进行寻优,获得当直升机振动最小时的桨叶的调整参数.实验结果表明:PSO算法寻优效率方面高于遗传算法;RBF神经网络和PSO算法相结合可以有效地实现直升机旋翼动平衡调整.