基于OPTIMUS的临近空间飞行器再入轨迹优化设计

针对临近空间飞行器再入飞行受到热流率、动压和过载等多约束情况下的轨迹优化问题,提出了基于OPTIMUS优化软件平台搜索初值的编程求解方案。首先根据再入飞行动力学原理建立数学模型,并合理简化,应用最优控制理论设计滚转角控制律;然后利用OPTIMUS软件平台搭建系统工作流程,进行试验设计并建立响应面模型,通过平台集成的优化算法寻找初值;最后结合不同优化算法的优点,基于遗传算法加模式搜索法编写程序求解轨迹。结果表明,基于OPTIMUS分析所设计的轨迹优化方案,可以快速确定较为准确的初值,计算效率显著提高,且能够保证较高精度。     

面向轨迹预测的高超声速飞行器气动性能分析

为了给高超声速轨迹预测问题提供先验知识,研究了面向轨迹预测的高超声速飞行器气动性能分析问题。首先,简要介绍了高超声速再入滑翔飞行器的基本性能,从拦截的角度分析了对其滑翔段进行轨迹预测的必要性。其次,以HTV-2为例,采用斜激波理论、活塞理论、Prandtl-Meyer方程及粘性力工程计算方法对临近空间高超声速环境下飞行器的受力情况进行了分析建模。然后,对目标机动性能进行了仿真分析,仿真结果与相关文献报道较一致,证明了建模仿真方法的可行性。最后,基于以上建模仿真,给出了一组适用于临近空间高超声速飞行器滑翔段目标跟踪和轨迹预测的气动参数,并进行了仿真验证,为下一步研究基于拦截的高超声速飞行器轨迹预测提供了理论基础和方法指导。     

高超声速飞行器再入轨迹快速优化研究

基于求解最优控制问题的Chebyshev伪谱法(Chebyshev Pseudospectral Method,CPM),研究了高超声速飞行器再入轨迹快速优化问题。针对远程多约束条件下再入轨迹优化问题的难点,提出了一种线性初值与节点更新相结合的优化策略,将攻角与倾侧角同时作为控制变量,以再入飞行时间最短为优化目标,利用CPM将轨迹优化问题转化为非线性规划问题,并使用SNOPT软件包求解,使CPM成为一种再入轨迹快速优化的通用算法。以某类高超声速再入飞行器为对象进行轨迹优化计算,并对比相同仿真条件下粒子群(PSO)算法的优化效果,仿真结果验证了该算法具有较高的求解效率和快速收敛性。     

高超声速滑翔飞行器再入轨迹快速、高精度优化

针对高超声速滑翔飞行器再入轨迹优化问题，提出一种基于稀疏差分法和网格细化技术的快速、高精度求解方法。该方法应用局部配点法将再入轨迹优化问题转化为非线性规划(NLP)问题，从两方面提高轨迹优化的效率和精度。一方面，引入一种高效的稀疏差分法计算NLP的一阶偏导数，提高NLP的求解效率；另一方面，提出一种基于新型广义二分网格的网格细化算法调整离散节点的数量和分布，使得方法能够采用较少的节点数目取得较高的优化精度，从而减小NLP的规模和计算量。应用该方法求解了高超声速滑翔再入轨迹优化问题，仿真结果表明所述方法能够快速生成一条严格满足各种约束的最优三维再入轨迹。在此基础上，研究了滑翔飞行器的再入落点区范围，进一步检验了该方法的有效性。     

全太阳系深空探测轨迹全局优化(英文)

针对太阳系中全部的248997颗行星的探测问题,给出了一种关于探测飞行器的深空探测全局四维轨迹(t,x,y,z)优化方案,即飞行器从地球发射进入太阳系并采用小推力控制,优化方案的性能指标为飞行器与太阳系中全部行星中相遇和交会的星的数量最多并且燃料消耗最少。本方案给出了四维飞行轨迹进行全局优化的一套算法,该算法由搜索算法和四维轨迹优化算法组成。此搜索算法从太阳系的248997颗行星中寻找获得尽可能多的经过近地球3维走廊内的行星;而四维轨迹优化算法由改进的动态规划算法、基于最优控制理论的共轭梯度算法和静态参数优化算法组成,其中静态参数优化算法用于搜索最优发射时间窗口。基于该组合算法,通过长时间的大规模的飞行数字仿真,最终计算出探测器的四维最优飞行轨迹,在一年内路过了太阳系中全部行星中的12颗行星。     

临近空间高超声速无动力滑翔飞行器最优轨迹设计及制导研究

建立了临近空间飞行器无动力飞行理想运动模型及阵风干扰作用运动模型;通过共轭 梯度优化算法设计了飞行器基于多约束条件的最优轨迹;利用基于线性状态调节器（RQL） 制导方法实现阵风干扰作用下纵向与侧向参考轨迹的同时跟踪。仿真结果表明,本文的轨迹 优化算法能在很短的时间内优化出最优轨迹且具有很好的收敛性;采用的制导算法能实现各 种强度阵风干扰作用下的轨迹跟踪,具有很强的鲁棒性。     

飞行器多学科设计优化的三种基本类型及协同设计方法

运用多学科设计优化方法,根据飞行器设计中遇到的实际情况,提出三类基本的飞行器多学科设计优化问题:耦合、信息单向传递、独立。一般的飞行器设计问题可以视为提出的这三种基本类型的组合。以设计实例对这三类问题的数学模型及解决方案进行了深入分析。介绍了协同优化方法的设计思想,并提出了应用协同优化方法解决上述三类问题中最复杂的耦合问题的具体计算结构。应用该计算结构,可以避免求解耦合方程组并实现各学科并行设计,提高了计算效率。     

一种基于模拟退火的支持向量机超参数优化算法

基于统计学习理论的支持向量机技术以探求小样本情况下如何获得更好的机器学习规律而见长,与基于经验风险最小化原则的机器学习方法相比能够获得更佳的泛化能力,相关超参数的选择对其分类或回归性能有较大影响.针对径向基核支持向量机超参数优化问题,提出了一种改进的基于模拟退火算法的高效多目标优化算法,并详细讨论了优化寻优过程中搜索空间、初始可行解、初温和最优目标函数的设计方法.通过在多个标准数据集上的测试验证,证实了本文所提算法的可行性和有效性.     

二级入轨空天飞机上升轨迹优化

以最小燃料消耗量为性能指标,考虑了多种约束条件(过载、动压、加热率等 ),采用了组合优化方法对空天飞机上升轨迹进行优化。该组合优化算法包括静态参数与动 态参数优化方法。其中,静态参数优化算法采用了全范围搜索方法,动态参数优化算法包 括动态规划法与共轭梯度法。通过数值仿真计算,得到飞行分离状态数据及相应的最 优 上升轨迹。数值仿真表明,该组合算法对航天器轨迹优化具有良好的适用性及实际工程价 值。
     

空间太阳能阵列光照的建模仿真及优化

针对空间救援飞行器在无控模式下,固定的太阳能阵列可能受到光线照射面积不足的问题,提出采用建模仿真及优化阵列布局的方法来提高任意光照角度下的受光面积。通过建立参数化驱动的空间飞行器外形几何模型、任意角度下的光线投射模型和考虑自身结构阴影遮挡的光照模型,研究空间任意光照角度下太阳能阵列接收光线照射的有效面积,并得到最低受光面积。基于建立的光照模型,采用遗传算法,对影响太阳能阵列布局的关键参数进行优化。可视化仿真结果校验了模型的有效性,优化结果显示算法收敛且获得了最优结果,满足空间无控飞行任务要求。     

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hp伪谱同伦凸优化的火箭垂直回收在线轨迹规划方法

针对可重复使用运载火箭垂直回收轨迹优化问题,提出了一种带有最优终端时间估计策略的hp伪谱同伦凸优化在线轨迹规划算法。首先,考虑状态约束和过程约束的非凸性,采用无损凸化处理推力幅值约束;然后,结合同伦方法与不动点迭代思想将气动力与非凸质量约束转化为线性时变剖面,完成问题凸化;进一步基于hp flipped Radau伪谱法对问题进行离散化处理,将最优控制问题转化为参数优化问题,进而采用原-对偶内点法求解;最后,为进一步减少燃料消耗,提升经济效益,考虑最优终端时间难以在线确定的问题,结合解析推导与二次插值法,设计了最优终端时间快速估计策略。仿真结果表明所设计的轨迹优化算法最优终端时间估计速度快,收敛性能良好,具有较高的精度和计算效率,具备在线应用的潜力。     

深度交叉遗传神经网络在液体火箭发动机故障检测中的应用

将遗传算法与BP神经网络深度交叉融合,即采用遗传算法对BP神经网络的权值和阈值进行多点优化,而在进化的每一代中随机取少量染色体进行单一BP网络训练,训练结果再返回染色体,经过若干代的进化后得到稳定的权值和阈值,再将它们赋给BP神经网络,作为初始值,按误差前向反馈算法沿负梯度搜索重新训练,最终得到最优解。这种算法既避免BP算法易陷入局部最优解的不足,又克服遗传算法以类似穷举的形式寻找最优解而引起的搜索时间长、速度慢的缺点。并且经过仿真分析,深度交叉遗传BP神经网络的收敛性和故障诊断能力优于传统BP神经网络和单一使用遗传算法,可有效应用于液体火箭发动机故障检测中。     

基于退火遗传算法的小推力轨道优化问题研究

利用退火遗传算法解决小推力轨道优化问题。首先利用传统混合法将轨道优化问题归结为受非线性方程约束的参数优化问题。通过结合退火和随机惩罚函数对约束条件进行处理后，用遗传算法求解这个参数优化问题。最后再采用局部优化算法提高解的精度。这种算法既保持了传统混合法精度高、解轨线光滑的优点，又克服了传统轨道优化方法收敛性差、初始猜测困难、容易陷入局部极小解的缺点。在本文的最后，利用文中提出的轨道优化算法求解“喷-停-喷”型定常推力幅值地球-木星轨道转移问题。算例证明此算法可以有效地求解小推力轨道转移问题，尤其适用于传统轨道优化方法难以求解的复杂轨道优化问题。     

基于并联协作混合遗传算法的高超声速巡航飞行器一体化优化设计研究

遗传算法能以很高的概率找到全局最优解，不需要目标函数和约束条件的梯度信息。适合于工程优化设计。为增强遗传算法的局部搜索能力，提出了一种新的融合模式搜索方法和Powell方法的并联协作混合遗传算法。研究超燃冲压发动机为动力的高超声速巡航飞行器的一体化优化设计。系统分析了机身和超燃冲压发动机设计参数对飞行器总体性能的影响。通过建立高超声速巡航飞行器质量模型、气动力估算模型、气动热估算模型、超燃冲压发动机性能分析模型、控制模型和弹道分析模型，在满足参考任务要求的前题下，以飞行器起飞质量为目标函数，将并联协作混合遗传算法应用于最优总体方案和超燃冲压发动机方案一体化设计。完成了6设计变量的全局优化计算。算例表明，本文建立的一体化设计模型基本正确，并联协作混合遗传算法是用于高超声速巡航飞行器一体化优化设计的较好的优化算法。     

地球-火星的燃料最省小推力转移轨道的设计与优化

小推力转移轨道的设计与优化一直是深空探测轨道设计方面的难点。针对这些问题，提出了一种基于等高线图的初始发射机会搜索方法，该方法通过绘制探测器一火星距离的等高线图寻找满足任务约束的小推力转移轨道发射机会；同时，本文还给出了一种小推力轨道的直接优化算法，该算法通过将连续的控制变量参数化，把轨道优化问题转化为参数优化问题，然后基于所提搜索方法，采用逐次二次规划方法进行求解。数值计算验证了该发射机会初值猜测方法和优化算法的有效性。     

空间机器人抓捕目标后动力学参数辨识研究

针对自由漂浮空间机器人抓捕目标后的动力学参数辨识问题,提出一种参数辨识的持续激励轨迹设计方法。首先,基于动量守恒原理建立了自由漂浮空间机器人的动力学参数辨识模型;然后,采用有限傅里叶级数对空间机器人的机械臂关节运动轨迹进行参数化表示,并以参数辨识回归矩阵条件数最小化为指标,通过求解一个包含多约束的非线性优化问题得到傅里叶级数的待定系数;最后,采用基于QR分解的递推最小二乘估计方法实现对采样数据的序贯处理,并求解出待辨识参数。仿真结果表明,提出的激励轨迹设计方法可以显著提高空间机器人参数辨识的收敛速度和准确性。     

高超声速滑翔飞行器引入段弹道优化

高超声速飞行器弹道优化设计的目的足得到高超声速飞行的控制指令，从而得到方案弹道，针对其数学模型，寻找一个作为输入的攻角规律使得弹道最优。我们将此弹道问题转化成最优控制问题，通过极大值原理得到最优弹道的一阶必要条件。我们采用遗传算法求解了此两点边值问题。首先从次优化弹道得到攻角的变化规律，然后由从次优化弹道估计出的攻角范围推导出初始伴随变量的变化范围，再用遗传算法在此范崮内优化初始伴随变量得到了伞局最优弹道和相应的初始伴随变量。通过一个实例求得了满足热流约束的最大终端速度弹道，通过比较可知优于次优化弹道，从数值计算例子还可以看到遗传算法是求解两点边值问题的一种比较好的方法。     

采用Gauss伪谱法的小推力日-火Halo轨道转移优化设计

针对日-地Halo轨道到日-火Halo轨道的小推力轨道转移问题,给出一种基于不变流形理论和Gauss伪谱法的优化设计方法。首先,在日心惯性坐标系中建立小推力轨道优化模型,并基于不变流形理论给出轨道转移中流形出口和入口的选择原则,应用该原则在日-地系统中选择流形出口,在日-火系统中选择流形入口,并将其作为轨道转移的初末状态;然后基于Gauss伪谱法将最优控制问题离散化为非线性规划(NLP)问题,并采用基于逆多项式的形状算法给出了NLP初值的计算方法;最后对该轨道转移问题进行了数学仿真。仿真结果表明：Gauss伪谱法可有效用于小推力日-火Halo轨道转移的优化,且采用逆多项式形状算法得到的初值具有初始误差小,使得NLP收敛速度快的特点。     

一种高超声速飞行器再入轨迹优化方法

针对高超声速飞行器的再入轨迹优化问题,提出了一种基于动态自适应樽海鞘群算法和高斯伪谱法的混合优化方案。首先,为了使樽海鞘群算法探索和利用之间的平衡更加合理,提出了一种新颖的动态自适应樽海鞘群算法。然后,针对传统高斯伪谱法在轨迹优化过程中对初始猜测值敏感的不足,借助动态自适应樽海鞘群算法强大的全局搜索能力,先利用该算法对控制量进行全局寻优,将求得的近似全局最优解作为高斯伪谱法优化的初始猜测值,接着再利用高斯伪谱法对控制量进行全局寻优。仿真结果表明所提出的动态自适应樽海鞘群算法和混合优化方案的有效性和可行性。