运载火箭推力故障下基于智能决策的在线轨迹重规划方法

为了提高运载火箭上升段飞行中推力故障下轨迹重规划的计算效率,提出了一种基于智能决策的在线轨迹重规划方法,将原问题转化为最优救援轨道的在线智能决策和成熟的燃料最优轨迹规划问题进行求解。通过离线求解不同故障状态对应的轨迹重规划问题,建立"故障状态-救援轨道"样本集,基于径向基神经网络建立最优救援轨道的决策模型,并将决策模型装订箭上。在实际飞行中以当前故障状态作为输入,利用决策模型可在线快速决策出最优救援轨道根数,进而求解以救援轨道为目标轨道的燃料最优轨迹规划问题,从而完成推力故障下的在线轨迹重规划。数值仿真表明,与直接求解轨迹重规划问题相比,该方法的计算效率提高了两个数量级以上,同时给出一致的最优救援轨迹。     

面向火箭构型论证的运载能力快速分析方法

针对不同构型与任务条件下的运载能力快速计算问题，提出了基于高斯函数和组合神经网络的速度损失计算方法，并基于此对运载能力进行了快速分析。首先，基于状态量解析解计算分析，采用高斯函数对核心的重力速度损失项进行拟合计算；同时，为提高多构型与多任务样本的采样密度、简化数据建模过程并增强方法适应性，采用径向基网络(RBF)与深度神经网络(DNN)的组合形式进行状态量的提取与回归分析；然后将任务约束转化为需要速度增量，通过数值迭代得到运载能力。仿真结果表明，此运载能力分析方法精度偏差约为0.35%，计算耗时小于2 s，可为运载火箭总体参数快速论证与任务规划研究提供理论支撑。     

小推力最优轨迹协态估计的高效机器学习方法

针对变比冲小推力轨迹间接优化中的协态变量初值猜测问题,提出了一种基于机器学习的协态变量初值高精度高效估计方法。首先,基于标称最优轨迹延拓,建立了状态量边值高扰动上限情形下的数据集生成方法,并分析了扰动上限对求解效率的影响。然后,构建了基于位置速度、轨道根数和改进春分点轨道根数多形式状态量组合输入的人工神经网络(ANN)映射关系,分析并优化了神经网络结构。将提出的方法应用于深空探测小推力转移场景,仿真结果表明该方法相对于标称轨迹直接扰动的数据集生成方法及单一形式状态量输入的人工神经网络映射方法,均有效地提升了求解收敛率,能够高效高精度地估计协态变量初值,实现轨迹快速优化。     

集群航天器鲁棒自适应快速任务分配

针对集群航天器协同观测任务分配问题，提出一种基于深度神经网络和鲁棒自适应拍卖算法的快速任务分配策略。为提高燃料消耗指标的计算效率，利用深度神经网络直接预测连续推力转移轨迹的燃料消耗，避免在线规划相对运动轨迹。通过构造虚拟收益矩阵和分配向量使得拍卖算法适用于航天器数与任务数目不一致的分配问题。为提高拍卖算法的收敛速度，提出报价增量自适应调整策略。考虑到通信失联、航天器故障等不确定因素，通过在线调整故障航天器的收益和报价矩阵以提高算法鲁棒性。数值仿真表明深度神经网络对燃料消耗指标预测精度高，基于深度神经网络和鲁棒自适应拍卖算法的快速任务分配策略可在保持计算精度的同时，将计算效率提升约两个数量级。     

运载火箭返回着陆在线轨迹规划技术发展

在线轨迹规划技术作为实现可重复使用运载火箭返回着陆的关键技术,能够根据飞行状态实时计算最优飞行轨迹,从而有效应对运载火箭返回过程中内外部不确定性的影响。首先,梳理了在线轨迹规划方法的特点和研究现状。然后,阐述了美国针对在线轨迹规划技术开展的研究工作,以及其他国家航天机构针对垂直着陆制导控制技术设计的验证飞行器和验证计划。最后,结合运载火箭垂直着陆问题的特点,总结了基于数值优化的在线轨迹规划技术的研究方向。     

基于神经网络和证据理论的火箭发动机故障诊断

针对运载火箭动力系统故障的复杂特性和故障模式的不确定性,提出了基于神经网络和证据理论的火箭发动机故障诊断。首先以火箭视加速度和角速度作为网络输入,故障类型矩阵作为网络输出,通过BP神经网络和RBF(径向基函数)神经网络进行故障诊断;之后通过D-S证据理论融合神经网络结果;最后通过滚动时域估计方法对火箭飞行状态特征量估计。仿真结果表明诊断准确率达到99%以上,表明提出的方法对于火箭发动机故障诊断具有较高的准确性和实用性。     

自由漂浮空间机器人神经网络自适应补偿控制

针对更具工程价值的任务空间内的自由漂浮状态空间机器人模型不确定性末端控制问题,提出了一种自适应神经网络控制策略用于机器人末端控制.通过神经网络在线建模来逼近系统中的非线性模型,神经网络的逼近误差及外界有界扰动通过鲁棒控制器来消除,采用引入GL矩阵及其乘法算子"·"来直接辨识的各部分系统参数.该控制策略既不需要逆动态模型的估计值,同时也避免了求雅克比矩阵的逆,降低了计算量.基于李亚普诺夫理论证明了整个闭环系统全局渐近稳定.仿真结果表明了这种神经网络控制器对于任务空间的空间机器人末端控制在达到较高的精度的同时,能够满足实时性要求,具有重要的工程应用价值.     

空间机器人神经网络自适应滑模目标操控轨迹跟踪控制

针对参数未知的空间目标操控问题,考虑空间机器人负载不确定性、系统动力学不确定性和环境扰动等因素,为实现操作过程的稳定控制及机器人轨迹的有效跟踪,提出一种基于径向基神经网络估计不确定项的自适应增益非奇异终端滑模变结构控制器。首先基于拉格朗日法建立空间机器人的刚体动力学模型。考虑空间机器人基座姿态主动控制模式,使用径向基神经网络对模型中的不确定项进行估计。进而提出基于神经网络估计的非奇异终端滑模控制器,并针对不确定性和扰动的估计误差设计自适应增益,以期实现空间机器人系统轨迹跟踪控制的收敛。仿真校验结果表明所设计的控制方法具有较好的误差收敛速度和控制精度。     

欠驱动航天器编队重构的切换神经网络控制

针对圆轨道欠驱动航天器编队重构问题,将传统的自适应神经网络控制器和自适应滑模控制器相结合,设计了一种切换神经网络控制器,用以跟踪由伪谱法求解得到的航天器编队重构的最优开环控制轨迹。自适应神经网络控制器在活跃区域内工作,利用径向基神经网络(RBFNNs)近似动力学系统中的不确定项,自适应滑模控制器在活跃区域外工作,利用自适应律来估计近似误差上界,并采用李雅普诺夫方法证明了闭环系统稳定性。数值仿真结果表明切换神经网络控制器可在欠驱动条件下实现编队重构,与线性滑模控制器相比,实现了控制器快速、高精度、强鲁棒等控制性能。     

适应运载火箭推力下降故障的神经网络容错控制方法

针对运载火箭单台发动机推力下降故障,提出了一种基于径向基神经网络(Radial Basis Function Neural Network,RBFNN)的容错姿态控制方法。该方法无需故障诊断系统,根据运载火箭姿态动力学控制通用模型,使用RBFNN在线辨识并补偿模型的故障变化和不确定干扰,得出容错控制律。仿真结果表明,在单台发动机发生推力下降故障时,本文方法与传统PD方法、自适应增广控制方法(Adaptive Augment Control,AAC)相比,可有效保证姿态稳定和控制精度。     

基于脉冲初值的小推力转移轨道优化研究

针对小推力转移轨道优化过程往往忽略初值多样性的现状,研究了基于不同脉冲初值的小推力转移轨道优化问题。基于直接法的离散思想建立了小推力转移轨道优化模型,提出了基于粒子群和序列二次规划的组合优化算法,以地球1∶1共振近地小行星2016HO3交会任务为例,将3种典型的脉冲轨道作为初值设计了燃料最优小推力转移轨道。仿真结果表明:3种初值轨道优化得到了2个小推力转移发射窗口,两者燃料消耗差距不超过6%。不同的初值对小推力轨道的整体性能指标影响较小,但开关机时刻和推力方向的变化会产生较大差异,从而得到不同的最优控制曲线。     

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%。     

基于在线轨迹优化的运载火箭可重构制导方法（英文）

In order to improve the safety and reliability of a launch vehicle, we present a reconfigurable guidance method based on online trajectory optimization for thrust decrease at the ascending stage of the launch vehicle in this paper. We used a multiple shooting method to convert the optimal control problem into a nonlinear programming(NLP) problem. Finally, we used the interior point method to solve the NLP problem. The simulation results show that the method can effectively adapt to thrust decreases by 5% and 10%. This reconfigurable guidance method based on online planning is proposed to realize launch missions under the condition of power descent, thus verifying the feasibility of the method.     

运载火箭推力故障不确定性下轨迹可达包络分析

针对运载火箭突发推力故障且故障存在不确定性的轨迹设计问题,提出了一种基于状态转移张量法(STT)的故障火箭轨迹可达包络分析方法。首先,建立了推力故障火箭的运动模型,通过构建故障火箭轨迹重规划问题,基于序列二次规划法获得了不考虑故障不确定性的重规划轨迹; 其次,基于线性协方差对非线性系统的不确定性传播进行建模,并对模型进行线性化,在此基础上提出了基于SST的运载火箭轨迹可达包络分析方法; 最后,通过与多次蒙特卡洛仿真对比验证所提方法在运载火箭轨迹可达包络定量分析中的有效性。     

RBCC可重复使用运载器上升段轨迹优化设计

针对火箭基组合动力(RBCC)可重复使用运载器(RLV)轨迹多段、多控制变量、推力与飞行轨迹耦合,飞行轨迹设计困难的问题,提出了基于高斯伪光谱方法的数值优化求解模型和求解方法,并获得满足要求的上升段燃料最省轨迹。将该轨迹分为3部分,分别由引射火箭、亚燃冲压和超燃冲压发动机提供动力,以攻角和燃料秒流量为控制变量,根据轨迹任务和各模态发动机启动及工作条件建立优化模型、设定各段末端和路径约束,利用高斯伪谱法求解最优轨迹并利用特殊方法计算边界控制变量。通过与传统方法所得轨迹的对比表明,所建立的优化模型和方法可快速求解出RBCC运载器上升段最优轨迹,优化结果符合RBCC运载器工作特点。     

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。     

电动帆轨迹优化及其性能分析

电动帆是一种新兴的无推进剂损耗的推进方式,利用太阳风的动能冲力飞行。电动帆由数百根长而细的金属链所组成,这些金属链通过空间飞行器自旋展开,太阳能电子枪向外喷射电子,使金属链始终保持在高度的正电位,这些带电的金属链会排斥太阳风质子,利用太阳风的动能冲力推动空间飞行器驶向目标方向。针对电动帆轨迹优化问题,提出采用Gauss伪谱法进行轨迹优化,克服了间接法对协态变量初值敏感的缺点。考虑在太阳风暴等原因造成特征加速度改变的情况,基于Gauss伪谱法实现电动帆在线轨迹重新规划,提高电动帆对太阳风不确定性的适应能力。最后以太阳系外探测任务为例,对电动帆和太阳帆的性能进行对比,仿真结果表明电动帆在星际远航任务中所用时间较短。     

基于改进伪谱反馈控制的远程变轨闭环制导

利用最优反馈控制和轨迹快速重构技术,设计一种有限推力空间远程变轨自适应闭环制导方法。首先给出了最优反馈控制的求解原理和必要条件。将空间变轨动力学模型特点和伪谱法相结合,设计基于状态量缩减的计算效率改进策略以提高轨迹优化的实时性。基于改进伪谱法进行逐次轨迹快速重构,利用开环最优解形成闭环反馈,从而保证制导指令的实时更新,并通过引入控制逻辑改进制导算法。远程交会仿真表明,该闭环制导方法在保证任务指标具有一定最优性的同时,可以有效抑制多种参数不确定性和外界干扰的影响,具有较高的制导精度、自适应性和鲁棒性。     

基于序优化理论的晕轨道转移轨道设计

利用晕轨道的稳定流形可以设计从地球到晕轨道的转移轨道。但由于小幅度晕轨道的稳 定流形与地球停泊轨道无法相交,因此需采用两脉冲转移。微分修正法是求解两脉冲转移常 用的优化方法,虽然收敛速度快,但很难获取全局最优解,而且收敛半径小,如果初始猜想 与最优解相差很远,该方法可能会不收敛。将序优化理论与微分修正法相结合,利用序优化 思想缩小搜索空间,得到足够好的初始猜想,然后利用微分修正法快速收敛到满足终端精度 要求的解。仿真结果表明该方法有很好的收敛性,且计算量小。