基于序列近似优化算法的固体运载火箭弹道设计

采用打靶法研究固体运载火箭弹道优化设计问题。针对打靶法中智能优化算法效率、优化问题中约束条件提法等方面的不足,引入序列近似优化算法,提出算法中径向基函数高斯核宽度的高效确定方法。数值仿真实验表明,提出的方法可在基本不带来计算量增加的前提下,显著提高代理模型精度,使序列近似优化算法得到改进,提高优化效率。设计固体运载火箭飞行程序。建立弹道优化设计问题数学模型,并将模型中相关等式约束合理转化为不等式约束,降低优化问题求解难度;基于改进后的序列近似优化算法完成某固体运载火箭弹道优化,原始计算模型调用308次之后便搜索到最优解,较传统智能优化算法显著提高了优化效率,优化方案末助推级液体推进剂消耗比原方案减少25.7%。     

混合空间目标下的多航天器抵近观测任务规划

研究了服务航天器对多个空间目标的抵近观测任务规划问题,并考虑了高价值航天器、普通航天器以及失效航天器或空间碎片3类待观测目标。通过构建合理的评价体系,对目标观测的任务方案进行评分。建立了综合观测目标数量、观测目标类型、燃料消耗、单次点火速度增量以及任务时长的多约束优化模型,涉及的优化变量包括目标分配向量、观测次序向量以及观测时刻向量。服务航天器通过一种四脉冲机动策略抵近每个目标。采用进化算法求解规划问题,并提出一种基于动态规划（DP）的局部搜索策略以优化观测时刻,提升优化效率。最后分别给出了针对单一类型和混合类型空间目标的抵近观测任务规划算例,通过与传统进化算法的求解结果对比,说明了所提出的DP搜索策略的优势。     

序列凸优化的小天体附着轨迹优化

针对小天体附着多约束轨迹优化问题,提出一种基于序列凸优化的轨迹优化方法。首先采用内球谐引力场模型对目标小天体附近的不规则引力场进行精确建模,内球谐引力场模型是对经典球谐系数法的改进,形式简单,计算量小,并且克服了经典球谐系数模型在形状不规则的小天体附近不收敛的问题。对于小天体附着多约束轨迹优化问题,通过约束松弛、线性化、离散化过程,转化为一个可以迭代求解的二阶锥规划问题（SOCP）,进而采用内点法进行解算。数学仿真结果显示,优化结果符合各项约束条件,以零速度到达了目标着陆点,且符合燃耗最优的优化目标。利用序列凸优化算法进行小天体附着燃耗最优轨迹设计,推导简便,计算速度快,精度高,具有应用价值。     

基于多柔体动力学的飞行器多目标优化设计

研究了柔性航天器总体设计中基于结构与姿态控制的多目标优化问题。利用拉格朗日 方程建立了刚柔耦合系统动力学模型,提出以附件质量和微分矩阵最大实特征值为目标函数 的多目标优化问题;采用非支配排序进化求解算法（NSGA-II）,对某柔性航天器进行了多目 标优化分析设计;最优决策为具有一定规律性的空间曲线,该优化结果对柔性卫星的总体分 析设计具有一定的指导意义。
     

仅测角导航多约束交会的闭环最优制导

针对多目标、多约束仅测角导航自主交会闭环最优制导问题,提出一种基于凸优化方法的最优制导算法。首先,考虑可观测性和鲁棒性要求,建立仅测角导航与制导多目标优化的性能指标,在此基础上,确立多目标、多约束最优交会问题的目标函数,以及基于凸优化的最优制导问题求解方法;然后,根据仅测角相对导航和制导之间存在的"耦合"关系提出了仅测角导航闭环制导的框架和解决方案;最后,仿真分析可观测性对导航和制导性能的影响,验证了所提出的仅测角导航多约束交会闭环凸优化制导方法的有效性。     

改进PSO优化WNN的液体火箭发动机故障检测

提出一种改进粒子群优化的小波神经网络模型,将其应用于火箭发动机的故障检测研究.针对传统粒子群算法初期容易陷入局部最优的问题,改进粒子群算法的惯性权重和学习因子,采用逐渐递减的选取方式.进行动态调整后的粒子群算法有利于在初始迭代时寻找满足条件的局部最优值,在寻找到局部最优值之后能够快速地收敛逼近于全局最优值,提高运算效率...     

基于差分进化算法的异构型分布式阵列优化

分布式阵列在突破了传统布阵环境限制的同时,还具有较高的增益,使其在实际工程中获得了广泛的应用。针对分布式阵列方向图存在较高的旁瓣问题,结合阵列性能约束和阵列位置约束,建立二维异构型分布式阵列优化模型,通过差分进化算法对子阵分布位置进行优化。并从变异策略、选择策略和控制参数三个方面对传统的差分进化算法进行改进。仿真分析结果表明,该方法能够有效抑制分布式阵列的峰值旁瓣电平,相比传统的差分进化算法,该算法全局收敛能力更强、收敛速度更快。     

基于混沌优化自适应遗传算法的数据关联求解

通过判断目标量测值和运动状态之间的最优对应关系,将数据关联问题描述为一类约束组合优化问题,采用混沌优化自适应遗传算法来求解数据关联问题,仿真结果表明,这种算法具有很高的关联成功率;此外,分别采用自适应遗传算法、混沌优化算法以及混沌优化自适应遗传算法求解数据关联问题,结果表明,混沌优化自适应遗传算法求解数据关联问题的最优率明显高于其他2种方法,且其收敛速度也明显快于单独使用自适应遗传算法或混沌优化算法。     

一种多火星飞行器路径规划方法

为解决多火星飞行器的协同路径规划问题,针对经典路径规划方法的局限性,提出基于改进鸽群优化算法的新型多机协同路径规划方法;同时为了提高路径规划问题的全局求解能力以及最优解质量,克服标准鸽群优化(pigeon-inspired optimization,PIO)算法易陷入局部最优,收敛精度低的问题,提出一种改进鸽群优化算法...     

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。     

高超声速飞行器上升段最优制导间接法研究

高超声速飞行器的机身－推进一体化设计使得气动和推进之间存在强非线性耦合,本文针对高超声速飞行器的特点,提出了求解最优上升轨迹的一种可行方案。在零侧滑角和力矩瞬间平衡假设下对上升段飞行问题进行最优建模,将质量引入为状态量,以最省燃料为指标,以推力方向为最优控制量,根据极大值原理推导一阶最优条件。为数值求解两点边值问题,以解析解作为初始猜想,应用经典的有限差分方法和改进的牛顿法,在满足攻角过程约束下,通过同伦算法迭代求解最优轨迹。仿真在给定的初始约束和终端约束下进行,结果表明该制导算法能够实现对高超声速飞行器上升轨迹的优化,以参考面积为同伦参数的迭代方法,能够保证算法的收敛性和快速性。
     

助推-滑翔导弹再入弹道快速优化

基于LGL(Legendre-Gauss-Lobatto)伪谱法,研究了临近空间助推-滑翔导弹再入段弹道快速优化问题。首先,基于改进的气动力模型建立了较为精确的再入数学模型;其次,针对该优化问题在气动数据处理和优化求解上存在的困难,基于LGL伪谱法系统地建立了再入最优飞行弹道的求解步骤,为解决直接利用LGL伪谱法存在的困难,设计了一种基于LGL伪谱法的串行优化求解策略;最后,分别采用积分推进法和协状态映射原理对优化结果进行了可行性和最优性验证。仿真结果表明,本文的弹道优化方法优化1条再入弹道所用时间为3～4 s,计算效率较高,路径约束和端点约束均得到很好满足,算法求解精度较高,有效地实现了多约束多变量大型稀疏的再入弹道导弹快速优化。     

应用改进多种群遗传算法的多星成像目标规划方法

针对目前多星成像目标规划求解算法容易陷入局部最优解,且对于大区域目标及规划时间周期较长时不能尽快规划出较优的成像方案问题,提出一种改进多种群遗传算法的多星成像目标规划方法。以成像规划方案周期最短、覆盖率最大为目标函数建立模型;利用改进的多种群遗传算法对模型进行求解,采用移民算子种群在多种群之间关联及更新种群,保留每代进化中的最优成像方案。利用多星对区域目标成像验证了所提出的方法,结果表明:此方法能够较好地用于模型的建立及求解,有效地规划出目标函数较优的成像方案。     

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。     

光学有效载荷运控模式优化的多种群遗传算法

对光学有效载荷运控模式进行优化设计可提高光学有效载荷的工作效率。将其数学模型建立后,优化问题可归结为有约束条件的多变量函数极大值求解问题。针对该模型,提出了使用多种群遗传算法（MPGA）的求解方法,即对0-1二值型变量和实型多维变量分别编码构建种群,以实型多维变量为中心,联合0-1二值型变量进行遗传运算求得函数极大值。此外,通过具体算例对该算法进行了仿真,仿真结果表明该算法能够克服传统优化方法求解速度慢且易陷入局部最优陷阱等方面的不足,适合大规模多区域搜索,可快速得到全局最优解,能更好地满足对光学有效载荷进行智能控制的技术要求。     

一种新型火星定点着陆轨迹快速优化方法

针对火星定点着陆任务大气进入段的轨迹规划问题,给出了一种基于hp Radau伪谱法的快速优化算法。综合考虑大气进入段的动力学约束、边值约束、以及着陆器的机动能力约束和安全性约束,结合hp Radau伪谱法的配点特性,将轨迹优化问题转换成一个大规模多约束参数优化问题,给出了大气进入段轨迹优化问题的求解框架;为了提高算法的计算效率,给出了参数优化过程中雅克比矩阵的解析表达式;并通过数学仿真对本文算法进行了数值验证,结果表明：     

基于粒子群算法的多波位高度估计方法

为解决雷达斜视模式下对目标区域的高度估计问题,提出了一种基于粒子群算法的多波位高度估计方法。利用粒子群优化算法建立约束条件和目标函数,通过多次迭代使目标函数趋于一个最优值,同时得到高度的最优解。利用粒子群优化算法求解多波位测高方程组可减小方程组近似处理误差。此外,利用粒子群优化算法可随时更改波位数目,增强了该测高方法使用的灵活性,有效提高了高度估计精度。通过理论仿真和实测数据仿真分析,验证了粒子群优化算法在求解多波位测高方程组时的有效性。结果表明:该方法具有较高的高度估计精度。     

带燃料均衡的空间多飞行器编队重构的轨道规划方法

航天任务需求的多样化对空间多飞行器编队重构的轨道规划问题不仅提出了燃料或时间最优的要求,还提出了燃料和时间最优以及燃料均衡的要求。将带燃料均衡的多飞行器编队重构的轨道规划建模为一个多目标优化问题,通过将进化计算与问题领域的知识相结合,提出了一种基于小生境进化算法的最优轨道规划方法。该方法能从变轨时间、燃料消耗和燃料消耗方差三方面分别评价一个变轨方案的最优性,并且一次规划能够提供多个Pareto最优变轨方案。仿真结果证明了该方法的正确性和有效性,还揭示了编队重构轨道规划问题的三个优化目标之间的关系,对于制定任务计划具有重要的参考价值。     

高轨卫星远程抵近轨道优化研究

针对高轨远程转移抵近的机动策略优化问题,使用Pork-chop速度增量等高线图对时间约束内单脉冲Lambert转移进行分析.而后建立多脉冲转移抵近的数学模型,以燃料最省为优化目标,使用差分进化算法(DE)搜寻全局最优解.通过仿真验证在不同脉冲次数、不同时间约束情形下的轨道抵近计算,得出三脉冲转移抵近相对较优的结论.     

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。