具有内点状态约束的机动再入弹道优化设计

高级机动弹头末制导装置开始工作时对弹头飞行速度和姿态有一定的要求。这就增加了内点约束,从而使机动再入弹道设计问题成为具有内点约束和终端约束更复杂的最优控制问题。利用遗传算法求解该问题,用多段插值方法进行染色体设计,设计了基于模拟退火思想的罚函数和适应度函数来处理各种约束。仿真结果表明,所设计的遗传算法效率高,对初值不敏感,能搜索到全局最优解。所设计的再入机动弹道能满足机动弹头对姿态、热流和速度的要求。     

大型星座混合模拟退火遗传算法测控任务规划

提出了一种基于拥挤度的混合模拟退火多层编码遗传算法,用于解决大型星座的测控任务规划问题。首先,建立了大型星座测控问题的约束满足模型,对任务规划过程中的各种约束条件和优化目标进行了形式化描述。第二,采用多层编码的方法建立测控方案与解空间的对应关系,并采用遗传算法的启发式方法进行全局搜索。第三,为了增加种群的多样性并加快收敛速度,在每代进化结束后对种群中最优的部分个体进行基于拥挤度的模拟退火。超180颗卫星,32个地面测控天线的真实大型星座测控任务规划试验表明,基于拥挤度的混合模拟退火遗传算法的任务完成率高达99%,归一化综合收益大于0.9,算法运行时间小于15 min,验证了该方法具备工程实用价值。     

欠驱动刚性航天器姿态的非完整运动规划粒子群算法

研究欠驱动刚性航天器姿态的非完整运动规划问题。众所周知航天器利用三个动量飞轮可以控制其姿态和任意定位，当其中一轮失效，航天器动力学方程表现为不可控。在系统角动量为零的情况下，系统的姿态控制问题可转化为无漂移系统的运动规划问题。基于粒子群优化技术设计了欠驱动刚性航天器姿态的非完整运动规划算法。通过数值仿真，并和遗传算法进行了比较，结果表明该方法对欠驱动航天器姿态运动规划是有效的。     

卫星装配序列规划的智能优化算法研究

结合单个算法的优缺点,文章提出了一种用包含多种改进型智能优化算法的算法库(IIAL)来解决卫星装配序列规划问题的方法。算法库由算法向导和多种算法组成,算法向导可依据若干参数描述给出适合当前规划任务的最合适算法,规划人员可依据向导建议在遗传算法、粒子群算法、蚁群算法、模拟退火算法中选择相应算法进行求解。最后,用实例验证了方法的合理性。该方法可为星上设备装配序列规划提供参考。     

结合极化自注意力机制的空间目标位姿估计

利用深度学习强大的特征提取能力和残差网络的捷径反馈机制，设计了端对端的图像位姿估计方法。该方法提高网络特征的学习能力，将Polarized Self-Attention注意力模块嵌入到残差网络ResNet-50中，对空间目标图像中的空间信息进行了增强。由于空间目标的位置和姿态信息相互独立，将其分为两个不同的网络结构分支通过回归分别得到两者的信息。其中，在姿态信息回归分支中，对姿态信息进行软分配编码，相比直接回归有效减少了姿态误差。最后在URSO空间目标图像数据集上进行了实验验证，所提算法对空间目标位姿估计取得了更好的估计结果。     

小行星探测器轨迹优化方法

对小行星探测器轨迹优化方法进行了综述。介绍了直接法中的直接打靶法、直接配点法、伪谱法、微分包含法,以及间接法两种典型的轨迹优化方法,分析了其优缺点,以及在小行星轨迹优化中的应用。介绍了智能优化算法中的遗传算法、模拟退火算法、粒子群算法和多目标进化算法,分析了其相对传统优化方法的优缺点,以及相应的改进方法。     

基于改进遗传算法的移动目标成像侦测任务规划问题研究

基于先验信息调用成像侦察卫星监控陆地或海洋移动目标动态信息是卫星成像侦察面临的新 课题。在已知移动目标位置等先验信息基础上,动态构造目标可变潜在区域及其运动预测模 型,利用STK辅助构造其候选成像观测活动集合;在此集合及目标运动预测模型基础上 对动态可变区域成像卫星调度问题进行建模,并设计了一种基于模拟退火算法及遗传算法的 改进遗传算法对问题进行求解,得到近最优的移动目标成像侦测方案。最后通过实例及算法 对比验证了规划模型及算法对解决该类问题的合理性和有效性。
     

一种卷积神经网络非合作目标姿态测量方法

针对空间非合作目标姿态测量问题,提出一种基于卷积神经网络的非合作目标姿态视觉测量方法。该方法先设计特征提取网络并利用公开数据集进行预训练,用少量实际目标图像进行迁移学习,实现非合作目标图像高层抽象特征的自动提取;再设计基于回归模型的姿态映射网络,建立图像高层特征与三轴姿态角之间的非线性关系,实现非合作目标的姿态测量。实验验证了两类特征提取网络测量精度和参数量大小,测量精度可达 0.711° (1σ),表明了“单目相机+卷积神经网络”方法的可行性。     

基于联合飞轮和磁力矩器的航天器姿态控制算法研究

研究了航天器姿态控制过程中,在姿态捕获阶段单独使用磁力矩器对航天器进行粗定向,在姿态调整阶段联合使用磁力矩器和反作用飞轮对航天器进行控制的问题。建立了反作用飞轮作为执行机构的姿态动力学模型。根据Lyapunov稳定性原理,设计了输入控制器和参数自适应律。将该算法应用于航天器姿态控制过程。仿真结果表明,该算法简单、有效、实用性强。     

与非合作目标编队的相对姿态控制

针对非合作目标卫星编队飞行过程中,根据任务需要受控卫星保持指目标卫星。为了跟踪目标姿态,提出了一种相对姿态控制方法。该算法只需测量目标的相对位置,通过计算得到目标姿态。然后设计了相对角速度观测器,得到相对角速度,通过跟踪控制器实现无误差姿态跟踪。完整相对姿态控制任务包括姿态机动和姿态跟踪两部分,因此设计了混合控制器实现被控星的姿态机动和对目标姿态的动态跟踪。数值仿真结果表明该方法可以实现对运动目标的无差快速跟踪。     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的模型预测控制算法,满足航天工程低硬件需求,实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态,然后将控制过程中状态量用于3层3核卷积神经网络的训练,训练完成后,用该卷积神经网络代替模型预测对组合航天器进行控制,从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数,相比传统模型预测算法所需硬件计算时间降低约5倍,在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制,控制精度在10 -4 量级。     

姿控载荷多约束下的内外弹道联合优化

为提升固体运载器整体性能,提出一种姿控载荷多约束的内外弹道联合优化建模方法。首先,建立固体运载器内弹道计算模型和外弹道计算模型,给出大风区和级间分离的姿态控制模型以及杆状减阻装置载荷计算模型。其次,以灵敏度分析方法选择出内外弹道设计参数作为优化设计变量,将姿控摆角需求、减阻杆承载能力作为约束条件,建立以射程最优为目标的优化模型。最后,将该方法应用在某三级固体运载器的优化设计中,以差分进化算法开展仿真校验,射程提高了10.8%,并且优化结果满足姿控和载荷约束。     

基于RBF网络辨识的挠性卫星姿态自适应控制

为满足挠性卫星姿态控制的更高要求,提出了一种基于径向基函数（RBF）网络辨识的模糊自适应控制方法。根据卫星姿态动力学方程,将RBF辨识网络引入模糊神经网络的T-S模型,以辨识卫星,在线修改模糊神经控制器（FNC）参数,使卫星的姿态角度达到设定值。仿真结果表明：该法能有效克服卫星的不确定性,提高卫星姿态的控制精度。     

充液挠性航天器姿态机动控制的多目标优化

针对充液挠性航天器姿态快速机动、快速稳定的控制要求,为减小姿态机动对挠性附件振动和液体晃动的激发,设计了一种基于正弦型加加速度的姿态机动路径规划方法。为进一步提高姿态控制性能,提出了一种基于云多目标粒子群算法的姿态控制器参数和机动路径参数联合优化方法。以最小化充液挠性航天器三轴姿态达到指定指向精度的时间以及三轴姿态稳定度,构建多目标优化模型,并应用云多目标粒子群算法求取姿态控制器参数和机动路径参数的Pareto最优解。仿真结果表明:采用多目标联合优化算法得到的控制器与路径参数,能够有效减小液体晃动和挠性附件振动,显著提高充液挠性航天器大角度姿态机动的快速性和稳定性。     

基于马尔可夫蒙特卡洛法的系统辨识方法研究及应用

提出了基于马尔可夫蒙特卡洛(MCMC)的贝叶斯辨识方法,以解决高超声速飞行器系统辨识中复杂动力学模型转换为简单或稀疏模型所带来的不确定性问题,以及存在的训练数据大和积分难处理的问题。该方法将数据退火算法引入MCMC中,不仅解决了MCMC易陷入局部最优的问题,并且将数据退火与“高信息训练数据”的概念相结合,能够以较低的计算成本分析大数据集。此外,该方法可以对参数估计过程中存在的不确定性进行量化,获得未知参数的最优估计值。通过仿真实验,验证了提出的系统辨识方法的有效性,辨识出的模型能够有效应用于控制器设计之中,并获得较好的控制效果。     

基于再励模糊神经网络的三轴稳定卫星姿态智能控制

将再励学习引入模糊神经网络的T-S模型,建立了模糊神经网络控制器和控制评估网络的再励学习算法,并应用于三轴稳定卫星的姿态控制。这种再励模糊神经网络不需要精确的卫星数学模型和学习样本,通过再励学习实现控制网络/评估网络参数的在线调节,具有比较强的适应性和学习能力。仿真结果表明,这种智能控制方法可以有效解决卫星的模型不确定性问题,提高了卫星姿态控制的精度和鲁棒性。     

小型固体运载火箭运载能力分析

针对控制系统,采用姿控发动机和格栅舵的小型多级固体运载火箭开展了运载能力分析研究.给出了运载火箭飞行方案,提出了一种飞行程序角的工程设计方法.给出了姿控发动机工作模型,建立了六自由度弹道计算和优化模型,采用混合进化算法进行弹道优化,并给出了仿真算例.仿真计算及分析表明,小型多级固体运载火箭满足发射小卫星的运载能力要求,姿控发动机推进剂分配方案合理,为总体方案论证和初步设计提供了理论依据.     

飞行器滑模变结构姿态控制器参数优化设计

研究了大气层外飞行器姿态控制器设计。基于误差四元数建立飞行器姿态运动学与动力学方程,用滑模变结构控制方法设计控制器,通过构造Lyapunov函数验证了控制器具全局稳定性和鲁棒性。以控制器参数为优化变量,机动时间为优化指标,飞行器发动机输出力矩为约束条件,用粒子群算法实现对滑模控制器参数的优化设计。仿真结果表明：控制器设计可行且有效,并能对参数进行优化。     

航天器环境干扰力矩的闭环辨识与补偿

研究引入干扰力矩辨识的方法提高三轴稳定航天器在稳态运行期间的高精度指向控制问题.基于航天器的稳态输出数据和系统传递函数,对环境干扰力矩的完整模型进行闭环辨识.其中采用改进的特征系统实现相关算法和多元线性回归法辨识环境干扰力矩的模型参数,最后使用前馈控制对所辨识的环境干扰力矩实现在线补偿.分析和仿真结果表明,该方案能有效地克服不确定的环境干扰力矩对姿态稳定度的影响,提高在轨运行航天器的姿态稳定精度.