嫦娥三号奔月的三大难关

<正>2013年12月2日1时30分,嫦娥三号"零窗口"发射升空;1时49分,准确进入地月转移轨道。其实,这只是奔月之旅第一步。从升空到在月球表面虹湾区软着陆,嫦娥三号要经历约13天的旅程,而到最终"玉兔"号月球车释放还得经过三个重要环节:地月转移段的轨道修正、精准制动进入环月轨道和环月轨道的动力下降。环节一:轨道修正在地月转移轨道,嫦娥三号依靠此前的动力沿着轨道高速飞行,需在地面的指令下进行中途轨道修正,以消除轨道偏差。嫦娥三号原计划进行3次轨道修正,分别是     

基于显式制导的月地返回轨道中途修正研究

月地返回轨道存在各种摄动误差,终端约束复杂,有必要对其进行中途修正研究。显式制导法通过二体轨道与精确轨道之间的差别进行多次迭代求解给定时刻所需的修正速度。文章利用显式制导法,采用月球段及地球段分段进行中途修正的策略,给出了基于分段落点预报显式制导的月地返回轨道中途修正方案。该方案无需计算雅克比矩阵,算法简单、计算快速、实用性强,能满足再入点参数要求。算例仿真与蒙特卡洛仿真验证了该方案的适用性。     

基于分段瞄准点预报显式制导的月地返回轨道中途修正研究

显式制导法算法简单,计算快速,使用灵活,实用性强,可运用于月地返回轨道的中途修正研究.基于瞄准点的显式制导法在得到瞄准点预报的前提下,利用二体模型计算修正点到瞄准点所需的修正速度作为多体模型下修正点到标称落点的修正速度.根据此方法,采用月球段及地球段分段进行中途修正的策略,给出了基于分段瞄准点预报显式制导的月地返回轨道中途修正方案.最后,算例仿真及蒙特卡洛仿真验证了该方案的适用性,得出了该方案的优势.     

嫦娥一号卫星地月转移轨道中途修正分析

 中国第一颗月球探测卫星“嫦娥一号”于2007年10月24日成功发射并于11月7日顺利进入了距月面200km的科学探测的使命轨道,原计划在整个飞行过程中比较关键的轨道段是地月转移轨道段。要进行2至3次中途轨道修正,而实际的飞行结果只在第41h作了一次很小的修正,所用的速度增量是4.8m/s。基于有关的实测数据对此进行详细的分析,以期获得一些规律性的认识。     

一种地月转移轨道中途修正的制导算法

针对地月转移轨道中途修正问题，提出了一种求解修正速度增量的制导算法。该算法由初值设计和精确解求解两部分组成。首先，利用伪状态理论，通过简单迭代设计中途修正的初值，并通过Vinti预报方法修正了地球扁率的影响。然后，在求解精确解时，提出了一种基于伪状态理论的状态转移矩阵解析算法。该算法通过设计高精度的初值，降低了求解地月转移轨道中途修正问题的难度，而且避免了传统数值方法计算状态转移矩阵的复杂性。数值仿真结果表明，该算法可有效求解中途修正问题。     

平动点任务转移轨道中途修正研究

平动点在深空探测中具有重要作用. 由于发射中不可避免地会存在误差, 平动点卫星往往需要考虑转移轨道的中途修正. 本文从工程实用角度出发, 根据以往平动点任务的中途修正经验, 确定中途修正序列,综合以往文献对误差的处理, 给出了误差的分布参数; 将转移轨道中途修正问题转化为转移轨道设计问题, 使用微分修正算法求解转移轨道中途修正问题; 利用蒙特卡洛模拟给出统计性数据. 仿真结果验证了方法的有效性. 对于日地系 110天类型的转移轨道, 在95 %的置信水平下, 只需要78.0 m/s的机动速度, 即可以保证位置误差在66.1 km之内.      

日地系L2点与日火系L1点转移轨道设计

将太阳-地球-火星-飞行器组成的四体问题分解成由太阳-地球-飞行器和太阳-火星-飞行器两个共面圆形限制性三体问题,设计日地系L2点与日火系L1点Lyapunov轨道之间的转移轨道,该转移轨道可以作为探测火星时的低能中间转移轨道.采用Richardson三阶近似解作为初始值,运用微分修正方法分别得到两个不同三体系统下拉格朗日点的精确Lyapunov轨道.基于Lyapunov轨道不变流形以及微分修正方法,设计了日地系L2点与日火系L1点间的转移轨道.将所得结果与基于Halo轨道不变流形设计的转移轨道进行了对比.结论表明:利用Lyapunov轨道不变形设计探火中间转移轨道相较于利用Halo轨道不变流形设计探火中间转移轨道在能量消耗以及飞行时间上都存在优势.     

中国月球探测卫星飞行程序

我国月球探测卫星的飞行过程将主要分为三个阶段:(1) 调相轨道段:月球探测卫星与运载火箭分离后,将先围绕地球运行一段时间。通过三次近地点变轨,逐步抬高轨道的远地点。在第三次变轨后(11),卫星脱离地球轨道,进入奔向月球的地—月转移轨道。(2) 地—月转移轨道段:地—月转移轨道是一条复杂的曲线,卫星要飞行5～6天,其间根据轨道的具体参数进行1～2次中途修正(13,15),以保证卫星正确进入预定的月球轨道。(3) 环月轨道段:当卫星达到距月球200千米时,卫星进行减速制动(18),进入环绕月球南—北极运动的月球极轨道。此后经过两次近月点制动(20,2…     

基于线性协方差方法的交会对接误差分析

将线性协方差分析方法和蒙特卡罗仿真相结合,按交会任务和飞行特征把交会过程分为变轨飞行、自由飞行和中途速度修正三种特征段,研究了状态误差的传播规律和交会过程中各种误差对交会对接精度的影响。在变轨飞行段,分析了追踪航天器的姿态误差、控制系统性能状态估计误差,以及目标航天器轨道摄动对状态误差传播的影响。在自由飞行段,分析了追踪航天器估计状态误差的先验值和测轨误差对状态误差传播的影响。在中途速度修正段,分析了追踪航天器姿态误差和控制系统性能误差对状态误差传播的影响。仿真结果表明,误差分析方法设计合理,可以指导交会对接的轨道设计工作,能对已经设计好的交会策略进行误差分析和设计验证。     

Lambert转移中途修正的全局概率最优策略

应用Monte-Carlo法和遗传算法的联合仿真求解Lambert转移中途修正的全局概率最优策略.首先推广限制性三体问题中求解周期性特解的微分修正算法构造出考虑J₂项摄动下的Lambert转移轨道并以此作为参考轨迹,则中途修正策略仅需针对导航误差、初始偏差修正的控制偏差等进行补偿.应用微分修正算法导出的单值矩阵,设计出3类线性和非线性中途修正策略,以适应不同的精度需要.随后应用Monte-Carlo和遗传算法的联合仿真,可以得到实现代价函数(落点误差最小)在概率意义下的最优解.与直接利用优化算法寻优需要已知各种误差量不同,得到的最优修正策略更具有普适性.     

深空探测转移轨道自主中途修正方法研究

针对深空转移轨道,提出以B平面参数为终端参数,采用脉冲控制和线性制导的自主中途修正方法.由自主导航系统定期确定探测器的当前位置和速度,之后利用精确动力学积分递推状态至B平面,得到打靶误差,若误差超出目标精度范围又在自主修正系统修正能力范围内,则立即利用以B平面参数为终端参数的线性制导公式并结合牛顿迭代计算出修正轨道的速度增量.利用中心差分公式计算终端参数对控制参数的敏感矩阵.蒙特卡罗仿真表明,在小偏差前提下该方法能够达到制导目标.     

利用Breakwell间距比法制定行星际探测中途修正策略

详细介绍了制定行星际探测中途修正策略的Breakwell间距比法,给出了在燃料最优条件下,终端误差精度和制导能力与中途修正设计次数和时刻之间的解析关系。一般而言,终端误差精度每提高3倍,修正次数就需要增加1次,制导能力每提升3倍,修正次数就可以减少1次。在具体使用上,应首先根据精度要求和制导能力确定最后一次修正时刻,然后向前递推,使得前一次修正后误差传播量与后一次修正后误差传播量成公比为1/3的等比数列,以此确定其余修正时刻,从而保证在达到终端精度前提下,整体燃料消耗最少。以火星探测为例,给出探测器于2018年5月出发12月达到火星的算例,仿真结果表明了理论分析的正确性。     

空间激光干涉引力波探测器轨道修正方法

针对空间激光干涉引力波探测器轨道修正问题，提出一种基于虚拟编队构型设计的航天器轨道修正方法。空间激光干涉引力波探测器由3颗航天器组成等边三角形构型。由于入轨误差和摄动的影响，探测器的构型不稳定。假设名义轨道上运行着一颗理想航天器，实际轨道上的真实航天器与之组成虚拟编队，探测器的3颗真实航天器分别与对应的理想航天器组成3个虚拟编队。考虑探测器构型稳定性要求和摄动的影响，对虚拟编队的构型进行设计，进而求解航天器平均轨道要素修正量。求解得到的航天器平均轨道要素修正量小于偏差量，轨道修正通过四脉冲控制实现。数值仿真结果表明，该方法通过部分轨道修正满足了探测器的构型稳定性要求，具有减少燃料消耗、延长任务寿命的潜力。      

基于线性重力差模型的拦截弹中制导技术

针对机载动能拦截弹的中制导段气动力作用可忽略且存在无法实时精确计算重力偏差等特点，提出了一种基于线性重力差模型的预测制导方法。通过线性模型逼近中制导过程中拦截弹与目标之间的重力偏差，以此为依据调整拦截弹的推力矢量并将重力偏差值消除。在此基础上采用延迟点火的策略使得拦截弹的拦截器助推级更好地修正预测模型与实际情况的偏差，经过仿真验证可以将整个中制导段的脱靶量限制在一个较小数值，从而为末制导段提供良好的初始条件。     

多层次法防空导弹弹道优化设计

为了使导弹优化的弹道更有效地杀伤目标,采用多层次法来设计防空导弹中制导段弹道.整个模型分为3层,第1层是导弹中制导段弹道,第2层是导弹末制导段,第3层是战斗部毁伤目标.第1层弹道限定中末段交班点处的弹道倾角进行优化.交班点弹道倾角作为联系第1、2层的全局变量,随它变化而产生一系列的优化弹道.第2层是导弹自寻的模型,通过Monte-Carlo仿真得到脱靶量分布的数学期望和标准差,这是联系第2、3层的全局变量.第3层由脱靶量的分布计算杀伤概率,最大杀伤概率对应的第1层弹道就是系统的最优解.多层次法表明了中制导段弹道优化设计和最终导弹杀伤概率之间的关系,使得杀伤概率这一效能指标能够作为中制导段弹道优化的指标.最后进行了拦截高空高速巡航目标和低空低速巡航目标的算例计算.      

基于双二体模型的月球探测器返回轨道初步设计及特性分析

双二体模型是深空探测初步轨道设计普遍采用的假设.本文针对月球探测器从月球驻留轨道返回的任务,对直接返回型轨道和间接返回型轨道,建立了基于直观六参数的返回轨道模型.通过对直观六参数及出口点时刻这些可选参数的分析,得到了约束条件和可选参数的定性关系,易于搜索满足要求的返回轨道.最后针对两种返回轨道类型的算例表明该方法是有效的.     

Orbital error propagation considering atmospheric density uncertainty

Due to the influence of various errors, the orbital uncertainty propagation of artificial celestial objects while orbit prediction is required, especially in some applications such as conjunction analysis. In the orbital error propagation of artificial celestial objects in low Earth orbits (LEOs), atmospheric density uncertainty is one of the important factors that require special attention. In this paper, on the basis of considering the uncertainties of position and velocity, the atmospheric density uncertainty is also taken into account to further investigate the orbital error propagation of artificial celestial objects in LEOs. Artificial intelligence algorithms are introduced, the MC Dropout neural network and the heteroscedastic loss function are used to realize the correction of the empirical atmospheric density model, as well as to provide the quantification of model uncertainty and input uncertainty for the corrected atmospheric densities. It is shown that the neural network we built achieves good results in atmospheric density correction, and the uncertainty quantization obtained from the neural network is also reasonable. Moreover, using the Gaussian mixture model - unscented transform (GMM-UT) method, the atmospheric density uncertainty is taken into account in the orbital uncertainty propagation, by adding a sampled random term to the corrected atmospheric density when calculating atmospheric density. The feasibility of the GMM-UT method considering atmospheric density uncertainty is proved by the further comparison of abundant sampling points and GMM-UT results (with and without considering atmospheric density uncertainty).