航天器分布式智能计算体系的数学建模与调度算法研究

航天器对大容量高效计算的要求越来越高,现有的星载计算体系的能力已经难以满足其需求,需要建立具有自组织能力的智能计算体系,还要实现高效的任务调度.给出了航天器分布式智能计算体系的模型和任务调度问题的多目标优化模型,并根据该模型设计了改进粒子群算法和改进蚁群算法结合的DPSO-EACO算法,先利用粒子群算法生成初始调度方案,再用该方案初始化蚁群算法,利用蚁群算法生成最终调度结果.仿真结果表明,该算法的性能与改进粒子群算法和改进蚁群算法相比具有明显的性能优势.     

航天器分布式智能计算体系的数学建模与调度算法研究#br#

航天器对大容量高效计算的要求越来越高，现有的星载计算体系的能力已经难以满足其需求，需要建立具有自组织能力的智能计算体系，还要实现高效的任务调度.给出了航天器分布式智能计算体系的模型和任务调度问题的多目标优化模型，并根据该模型设计了改进粒子群算法和改进蚁群算法结合的DPSO EACO算法，先利用粒子群算法生成初始调度方案，再用该方案初始化蚁群算法，利用蚁群算法生成最终调度结果.仿真结果表明，该算法的性能与改进粒子群算法和改进蚁群算法相比具有明显的性能优势.     

集群航天器球形边界控制

集群航天器由于其独特的优势,在未来航天任务中将举足轻重,其边界控制也随即成为研究热点.针对近距离伴飞的圆轨道集群航天器,以集群航天器蜂拥控制模型为基础,通过集群航天器球形边界的定义,运用粒子群优化算法,实现了稳定状态下集群航天器的边界参数寻优.采用球形空腔势函数的控制方法,结合集群航天器边界参数反馈信息,实现了对集群航天器球形边界控制,并仿真验证了算法的可行性.     

一种改进的多目标粒子群优化算法

为了增强多目标粒子群优化算法的收敛性与多样性,提出一种改进的多目标粒子群算法.采用Kent映射对种群进行初始化,并将目标空间均匀划分为若干扇形区域;基于一种新的多样性和收敛性判定标准,选取合适的收敛性最优解和多样性最优解,并提出一种改进的粒子群更新公式进行全局搜索;采用聚类算法对外部种群与坐标轴夹角进行分析,维护外部种群.通过标准测试函数的仿真实验,与多目标优化算法基本MOPSO(Multi-objective Particle Swarm Optimization Algorithm)和NSGA-II(Nondominated Sorting Genetic Algorithm II)进行对比,结果表明了该改进算法的有效性.     

基于人工蜂群算法的固定时间多脉冲交会

在两航天器交会问题中,采用多脉冲变轨策略往往能取得更小的燃料消耗.利用人工蜂群算法优化了航天器固定时间多脉冲交会问题,提出一种改进的人工蜂群算法.该方法能够简化时间约束的处理,能获得满足地球半径约束的解.该方法易于编程,鲁棒性强,可以应用到不同的摄动模型.仿真结果表明,该算法不易陷入局部最优,相比于粒子群算法和传统人工蜂群算法具有更高的求解精度.     

基于多目标优化的微纳卫星群姿态控制

在微纳卫星群姿态控制中,要求多个卫星相互协同,能够快速达到期望的目标姿态,同时要求能耗最小.本文提出微纳卫星群姿态控制的多目标优化模型,以同时优化卫星姿态的角度误差和降低能耗2个性能指标函数.基于MATLAB用弹性约束法求解该优化问题,得到了多目标优化的帕累托前沿,并给出了其相应的卫星姿态,实现了多个微纳卫星姿态机动控制和协同控制.仿真结果表明本文运用的多目标优化方法在微纳卫星姿态机动控制和协同控制中是有效的.     

基于指数平均动量鸽群优化的多无人机协同目标防御

针对多无人机(UAV)协同目标防御问题,提出了一种基于指数平均动量鸽群优化(EM-PIO)算法。针对三维空间中的多无人机协同目标防御系统进行建模,得到了无人机支配区域的曲面约束方程,并获得了双方无人机的最优控制输入量。采用多级罚函数法构造了优化算法的目标函数,并通过所提出的EM-PIO算法来求解最优目标点。将所提EM-PIO算法与遗传算法(GA)和粒子群优化(PSO)算法进行仿真对比实验,验证了所提EM-PIO算法更加有效解决多无人机协同目标防御问题。     

基于控制力矩陀螺的航天器功率最优姿态控制

本文研究基于控制力矩陀螺利用零子空间的航天器姿态控制功率优化问题.航天器采用4个为一组的控制力矩陀螺(CMG)作为姿态控制执行机构.对于N-CMG(N≥4)组而言,如非进入奇异构型,控制的解空间存在一维自由度的零运动.利用该自由度,根据设定的功率函数,可通过局部优化算法在零运动空间求解功率最优解.将该功率最优化算法分别应用于姿态跟踪任务与姿态稳定任务,仿真结果表明,这种功率最优算法对姿态稳定任务具有更好的功率优化效果.     

基于MODPSO-GSA的协同空战武器目标分配

提出基于多目标决策理论的协同空战武器目标分配模型,并用进化多目标优化算法求解.空战是一个多阶段攻防过程,针对多数空战武器目标分配采用一次性完全分配、不考虑火力资源消耗等不足,构建多目标决策模型,在达到毁伤门限的前提下,同时对一次攻击后使敌编队的总期望剩余威胁最小和分配导弹消耗量最小两个目标函数寻优.提出用多目标离散粒子群-引力搜索算法(MODPSO-GSA)求解分配模型,该混合进化多目标优化算法结合二者优点,具有稳定的全局搜索能力并保证收敛到Pareto前沿.该算法可求得满足毁伤门限的不同耗弹量的分配方案最优解集以供指挥员决策参考.仿真算例验证了新模型及所提出MODPSO-GSA进化多目标优化求解算法的有效性.      

基于粒子群算法的航天器姿态机动路径规划

研究航天器在星载设备受多种几何约束情况下,大角度姿态机动时的姿态路径规划问题.采用罗德里格斯参数描述姿态,将姿态机动路径规划问题转化为点机器人的三维路径规划问题.基于粒子群优化技术设计了航天器复杂约束下大角度姿态机动的路径规划算法.数值仿真结果表明,该方法对于复杂约束下航天器姿态机动的运动规划是有效的.     

基于LMI的电液伺服加载系统多目标鲁棒控制

为提高多通道电液伺服加载系统的性能,设计了基于线性矩阵不等式(LMI,Linear Matrix Inequalities)的多目标鲁棒控制器.首先将加载系统中的参数时变性、通道间的耦合以及非对称缸加载的差异性当作不确定性来处理;然后将系统的频宽要求通过性能权函数加以考虑,将不确定性通过鲁棒权函数加以考虑,将系统的时域瞬态响应特性通过区域极点配置加以考虑,并将这样一个多目标控制问题通过建立和求解基于LMI约束的凸优化问题来解决.仿真结果表明,基于LMI的多目标鲁棒控制非常适合多通道电液伺服加载系统的特点,可以使加载系统在较大范围的参数变化时仍具有良好的动态性能.      

基于非线性干扰观测器的航天器相对姿轨耦合控制

针对带挠性附件的服务航天器在近距离逼近失控目标航天器时的控制问题,考虑由于推进安装偏差导致的姿轨耦合,通过选用相对位置和相对姿态四元数作为状态向量,建立了服务航天器与失控目标航天器的相对位置和姿态动力学方程。考虑服务航天器的挠性附件影响,挠性振动可以视为位置和姿态控制系统微分有界的干扰。基于反馈线性化方法提出了非线性反馈控制律,设计了非线性干扰观测器,用于补偿可建模干扰,并基于所提非线性反馈控制律和非线性干扰观测器设计了复合控制器,其中非线性干扰观测器用于补偿挠性附件产生的干扰。数字仿真及半物理实物闭环验证表明,利用所设计的复合控制器能够有效补偿干扰,同时在对失控目标航天器跟踪时具有很好的鲁棒性。      

组合体航天器智能协同姿态控制研究

组合体航天器在姿态机动过程中的各单体卫星承受的控制力是不均匀的,局部控制力过大将会导致组合链接断裂而失效。应用多体动力学理论建立了组合体航天器间的相互作用模型,对内力、内力矩与整星姿态、控制力矩之间的关系进行了分析;仿真了极端情况下的内力矩分布,其大小可能超过常用对接机构的力矩承受范围;采用粒子群算(PSO)法对控制合力矩进行优化分配,通过预设初值和继承初值来加快PSO算法的收敛速度,实时调整各星控制力矩分配比例,减小星间相互作用力,实现组合体航天器的智能协同控制,保证组合体航天器的连接铰不因受力过大而损坏。算法仿真和Adams软件验证分析表明,本文建立的相互作用模型可准确计算出星间相互作用力,提出的智能协同姿控算法可显著降低姿控过程中的星间内力,确保组合体航天器的安全。     

多种群合作学习的多模态多目标路径规划算法

为同时规划出满足多种目标需求的多条可行路径,提高规划路径的鲁棒性与实用性,提出一种基于多种群合作学习的路径规划算法。基于粒子群算法的基本思想,先针对单一种群在多维目标空间内搜索时容易陷入局优的问题,提出基于多目标分解的子种群划分策略,平衡算法在目标空间内各个维度上的搜索能力。再依据地图中栅格点的出入度信息提取关键路径点。在编码阶段,根据关键路径点提供的维度信息,利用实数编码的方式初始化种群,降低解空间大小;在解码阶段,提出利用精英解的解码经验指导可行解的快速搜索,使解码经验能够被有效传递,降低解码的不确定性,提高了算法的寻优能力。最后,将多个种群的搜索结果进行非支配排序,得到满足优化目标的所有路径。实验结果表明:与标准粒子群算法相比,基于解码经验表指导的多种群合作学习算法具有更强的搜索能力和寻优能力,能够解决多模态多目标路径规划问题。      

基于偏置角动量的欠驱动航天器姿态保持控制

对有扰情况下欠驱动航天器三轴姿态保持控制问题进行了研究,提出一种基于俯仰偏置动量轮和滚动轴推力器的姿态保持控制方法。该方法基于偏置动量航天器滚动-俯仰轴耦合的原理实现,避免了欠驱动零动量航天器平衡点附近欠驱动轴耦合弱的问题;将航天器的姿态运动分为长周期运动和短周期运动,用极点配置方法进行控制律设计,给出保证系统稳定的参数选取范围,求出了系统稳态误差。最后,通过数值仿真验证了所设计的控制器不但能快速消除初始姿态偏差,而且能抵抗外干扰将航天器姿态保持在平衡点附近。     

基于离散粒子群算法的多飞行器在轨服务任务分配

为解决多约束条件下飞行器在轨服务任务分配问题,以在轨卫星群为研究对象,提出了一种基于离散粒子群算法的多服务飞行器的目标分配方法,综合分析目标飞行器价值、服务飞行器消耗以及能量时间消耗等3项关键指标因素,建立了在轨服务任务分配问题的数学模型。通过构建粒子与实际问题间的对应关系,设计了新的离散粒子群位置和速度更新公式求解任务分配问题。仿真结果表明:离散粒子群算法具有收敛速度快,寻优能力强等优点,能够有效地解决多约束条件下的服务飞行器协同任务分配问题。