空间大型机械臂系统载运轨迹优化方法

针对在搬运及组装数十吨级负载过程中,空间站用大型机械臂会对空间站载体姿态产生扰动的问题,提出了一种笛卡尔轨迹参数化方法。利用基于广义雅克比矩阵（GJM）的分解运动速度控制和优化算法来实现基座姿态扰动控制,建立了反映载体姿态变化的目标函数。基于关节运动范围及避免动力学奇异等约束,采用粒子群（PSO）算法进行目标函数的优化,有效降低了空间大型机械臂系统在搬运重型负载过程中对载体姿态的影响。仿真结果验证了算法的有效性。     

一种超参数自适应航天器交会变轨策略优化方法

利用强化学习技术,本文提出了一种超参数自适应的燃料最优地球同步轨道（GEO）航天器交会变轨策略优化方法。首先,建立了GEO航天器交会Lambert变轨模型。以变轨时刻为决策变量、燃料消耗为适应度函数,使用改进式综合学习粒子群算法（ICLPSO）作为变轨策略优化的基础方法。其次,考虑到求解的最优性和快速性,重新设计了以粒子群算法（PSO）优化结果为参考基线的奖励函数。使用一族典型GEO航天器交会工况训练深度确定性策略梯度神经网络（DDPG）。将DDPG与ICLPSO组合为强化学习粒子群算法（RLPSO）,从而实现算法超参数根据实时迭代收敛情况的自适应动态调整。最后,仿真结果表明与PSO、综合学习粒子群算法（CLPSO）相比,RLPSO在较少迭代后即可给出适应度较高的规划结果,减轻了迭代过程中的计算资源消耗。     

火箭发动机增压系统关键换热参数辨识

针对火箭增压系统设计过程中关键换热参数难以确定的问题,提出1种基于混沌自适应粒子群算法（ACPSO）的增压系统换热参数辨识方法。建立了考虑换热模型的液体火箭增压系统非线性数学模型,通过灵敏度分析筛选出待识别参数,采用含有早熟抑制和惯性权重自适应调节策略的粒子群方法对选定参量进行辨识,对引入了权重衰减机制的均方根目标函数进行优化。结果表明：辨识后的仿真曲线与实测曲线具有良好的一致性,氧箱增压电磁阀打开时间仿真值与实测值偏差低于3%,气瓶1次飞行结束温度仿真值与实测值仅相差2.4 K。将辨识结果应用于某相似的新研型号,气瓶设计容积和质量相比绝热假设的设计方案降低了32 L和11.6 kg,有效减少了由设计过度冗余造成的额外试验和设计迭代成本。     

基于空间信息的射频隐身数据链最优能量控制算法

为提高数据链的低被截获性能,提出了一种基于空间信息的射频隐身数据链最优能量控制算法。以数据链目标飞行区域的威胁因子为先验知识,基于数据链的实时空间信息,分析了影响数据链性能的各个参数,将辐射功率、开机时刻作为优化变量,以最小化辐射功率函数和最小化能量消耗函数作为目标,利用混合混沌粒子群优化算法对数据链通信模型进行优化,选取使两个目标函数最小的解作为最优解。仿真结果表明,算法与目前常见的数据链恒定功率辐射方法相比,在满足可靠通信的前提下,辐射功率较小,消耗能量较少,具有较好的射频隐身性能。     

一种基于EPSO的航天器交会轨迹优化方法

研究了航天器在固定时间内燃料最省的多脉冲交会问题,提出了一种基于种群熵粒子群优化 (Population Entropy based Particle Swarm Optimization,EPSO)算法的交会轨迹优化设计方法。采用线性化C\|W方程描述航天器的相对运动,以能耗最优为控制目标,得到了基于连续推力的最优转移轨迹,用于确定脉冲点的位置。考虑工程实用性,采用多脉冲控制方法,利用脉冲点的位置参数建立了以脉冲点时间间隔为决策变量的优化目标函数,并用EPSO算法进行求解。在EPSO中,种群熵描述粒子在搜索空间中位置分布的混乱程度,并通过上一代的种群熵确定下一代的搜索空间,从而减少搜索空间的浪费,提高了算法的搜索速度和收敛精度。仿真结果表明,算法本身具有良好的优化性能,适用于航天器轨迹优化。     

对相位编码体制雷达的导前假目标干扰

基于间歇采样收发干扰体制,针对采用相位编码信号的雷达系统,提出了部分接收、预测转发,形成导前假目标群的新型干扰方法。在介绍间歇采样转发的基本原理后,分析了相位编码信号匹配滤波器的群延迟特性,从群延迟的角度分析了移频转发干扰和间歇采样转发干扰不能形成导前假目标的理论原因。在此基础上,针对相位编码M序列的编码特点,提出了一种基于间歇采样的预测转发干扰方法,并分析了对转发功率的要求。理论分析和仿真结果表明,该方法可以形成导前距离不同的假目标群,而且干扰功率要求低,是一种极具潜力的新型干扰方法。     

视线跟踪系统中的分级瞳孔定位算法

 基于视线跟踪的人机交互技术具有便捷性和快速性,可实现视线与计算机交互的目的。基于头戴式头盔视线跟踪系统,提出了一种分级瞳孔定位方法。为消除各种干扰因素对瞳孔定位的影响,首先利用图像二值化方法获取瞳孔区域,并进行最小外接椭圆的计算,然后利用瞳孔区域与最小外接椭圆的交叠区域与瞳孔区域的面积比值,判断是否为完整瞳孔。如果是不完整的瞳孔,则利用粒子群优化(PSO)算法和椭圆周差分算子在图像中搜寻最优椭圆位置,将其作为最终的瞳孔轮廓。基于视线跟踪系统的实验结果表明,该方法兼顾了速度和精度,是实现复杂环境下瞳孔定位的一个有效策略。     

基于自适应粒子群算法的航天测控系统任务可靠性分配

采用测控时序图描述任务时序逻辑关系,建立了各阶段的任务可靠性模型,讨论了可靠性分配时的约束条件和分配目标,从而构建了航天测控系统任务可靠性分配模型.在此基础上,设计了自适应粒子群算法,算法在迭代过程中通过惯性权重系数ω进行自适应调整,初始时能快速搜索全局解,后期能有效地搜索局部解.通过算例仿真,表明自适应粒子群算法在用于航天测控系统任务可靠性分配问题时具有分配结果优、收敛速度快等优点.      

基于粒子群优化的WNN飞行数据气动力建模

为了使所建立的气动力模型能准确地描述飞行器的动态特性,提出一种基于改进粒子群优化(IPSO)算法的小波神经网络(WNN)飞行数据气动力建模方法。该方法引入邻近粒子信息和变异操作,对标准PSO(SPSO)算法的不足进行改进,以提高WNN参数的全局搜索能力,克服早熟收敛,再按照所设计的飞行数据的气动力建模流程,构建了IPSO算法训练的WNN模型。试验结果表明:提出的气动力建模方法预测精度高,收敛速度快,能较好控制早熟收敛问题,用于飞行数据的气动力建模是有效的,也是可行的。     

改进粒子群优化算法在亚轨道飞行器固液混合发动机设计中的应用

针对粒子群优化算法在求解多维复杂优化问题时容易陷入局部最优的缺点,提出了动态目标粒子群优化算法,通过分析寻优过程中粒子与个体最优位置和全局最优位置之间存在的位置关系,建立了新的速度更新公式.最后,应用该算法对某型号亚轨道飞行器固液混合发动机进行了优化设计.仿真结果表明,改进算法搜索能力强、收敛速度快,能有效解决此类问题,可为亚轨道飞行器的发动机优化设计提供理论参考.