采用利希滕贝格图的高超声速飞行器轨迹优化

针对复杂约束条件下高超声速飞行器再入轨迹优化问题，提出一种混合算法进行求解，以解决现有轨迹优化方法对初值的强依赖性以及易陷入局部最优等问题。将高超声速飞行器再入轨迹优化建模成一个非线性规划问题，并设计双层优化结构进行求解。上层中，提出一种基于利希滕贝格图的自适应分段利希滕贝格算法（Adaptive piecewise Lichtenberg algorithm,APLA），为高斯伪谱法提供良好的初值。APLA通过引入拉丁超立方体抽样提升算法初始触发点的效能，引入全局至局部搜索分段策略及自适应因子提高算法收敛速度和收敛精度，改善算法易陷入局部最优等情况。下层中，高斯伪谱法在最优解附近具有较好的收敛速度和较高收敛精度，因此使用高斯伪谱法以加快搜索过程，提升解的全局最优性。综上，提出再入轨迹优化混合算法（APLA＿GPM），实现对高超声速飞行器再入轨迹优化问题快速、准确求解。仿真结果表明，APLA＿GPM在高超声速飞行器再入轨迹优化方面具有更快的收敛速度、更高的精度以及更强的鲁棒性。