Automated design architectures for co-orbiting spacecraft swarms for planetary moon mapping

This work describes the design and optimization of spacecraft swarm missions to meet spatial and temporal visual mapping requirements of missions to planetary moons, using resonant co-orbits. The algorithms described here are a part of Integrated Design Engineering and Automation of Swarms (IDEAS), a spacecraft swarm mission design software that automates the design trajectories, swarm, and spacecraft behaviors in the mission. In the current work, we focus on the swarm design and optimization features of IDEAS, while showing the interaction between the different design modules. In the design segment, we consider the coverage requirements of two general planetary moon mapping missions: global surface mapping and region of interest observation. The configuration of the swarm co-orbits for the two missions is described, where the participating spacecraft have resonant encounters with the moon on their orbital apoapsis. We relate the swarm design to trajectory design through the orbit insertion maneuver performed on the interplanetary trajectory using aero-braking. We then present algorithms to model visual coverage, and collision avoidance in the swarm. To demonstrate the interaction between different design modules, we relate the trajectory and swarm to spacecraft design through fuel mass, and mission cost estimations using preliminary models. In the optimization segment, we formulate the trajectory and swarm design optimizations for the two missions as Mixed Integer Nonlinear Programming (MINLP) problems. In the current work, we use Genetic Algorithm as the primary optimization solver. However, we also use the Particle Swarm Optimizer to compare the optimizer performance. Finally, the algorithms described here are demonstrated through numerical case studies, where the two visual mapping missions are designed to explore the Martian moon Deimos.     

非结构混合网格自适应并行技术

计算流体力学（CFD）模拟实际工程问题所采用的网格规模可达千万量级，并行技术是减少计算时间的有效方法。耦合流场信息的网格自适应技术能有效动态优化计算网格，被NASA视为一项亟待发展的CFD关键技术。混合网格自适应系统包含网格分布优化、表面网格投影和空间网格匹配等关键技术。针对以上3项关键技术分别建立了高效的并行算法。首先，提出了"先唯一后同一"的两步法策略实现了网格单元分布优化过程的并行相容性；其次，基于局部曲面拟合思想，实现了曲面重构和新增物理网格点投影的完全并行；再次，提出了空间网格匹配技术的半并行算法，快速解决了网格单元交错问题。为了提高后续流场计算的并行效率，发展了基于并行重分区-网格数据迁移方法的动态负载平衡技术，并采用圆柱激波流场自适应模拟对动态负载平衡技术进行初步验证。最后，采用三角翼自适应加密测试了自适应系统的并行效率。结果表明，建立的混合网格自适应系统并行效率较高，且相比流场求解耗费总时间的比例低于1%。     

GPS广域增强系统电离层延迟网格修正算法的研究

建立了一种广域增强系统地面监测网对电离层延迟的观测数据生成网格修正值算法,并在天津,长春,西安三地通过用双频接收机同时采集的电离层延迟实测数据,对广域增强系统的电离层网格修正法的修正精度进行验证,并与一般用户目前采用的Ｋｌｏｂｕｃｈａｒ模型修正法进行了比较,结果表明,电离层延迟网格修正法的修正精度普遍大于８０％,优于Ｋｌｏｂｕｃｈａｒ模型修正法,是一种精度较高的电离层实时修正法。     

求解线性矛盾方程组的递推Householder变换法

 求解线性矛盾方程组是工程实践中经常遇到的问题。目前主要采用法方程组解法和基于各种正交变换的三角化解法。由于法方程组系数矩阵的病态条件数是原矛盾方程组系数矩阵病态条件数的平方,所以计算精度较差,有时甚至得到完全错误的结果。因此一些计算精度要求高的问题和高阶方程组的求解,多采用三角化法。但是,三角化法只能进行一次性处理,尚未出现随数据更新的实时递推算法。许多需要在线处理和数据存储最大的问题,只好采用一般递推最小二乘法。     

一种高精度角速率圆锥补偿算法

以角速率信号作为算法输入时,采用以往常用的圆锥补偿算法,算法误差明显增大.鉴于光纤陀螺角速率信号可以直接获取,提出了一种以角速率信号作为圆锥补偿算法输入的新补偿算法.在姿态更新周期内,以光纤陀螺角速率信号作为输入,求得陀螺角速率输出的表达式,结合旋转矢量微分方程,推导出新圆锥补偿算法表达式,然后以算法漂移误差最小对新算法进行优化.采用规则进动、典型的圆锥运动以及有噪声干扰的圆锥运动作为测试输入,通过与传统算法的对比,新算法计算量低、计算简单方便,算法精度高.新算法的提出为高动态环境下光纤陀螺捷联系统的姿态误差补偿提供了一个新的思路.     

一种求非线性规划全局最小解的算法

在评述了近２０年来发展的全局最优化方法之后，提出了一种求解全局最优化问题的算法，即从一个求得的局部最小解点出发，去解一个最大化问题，这个最大化问题是构造一个辅助函数去寻求一个更好的局部最优解，这样就产生一个局部最小解序列，得后得到全局最小解，另外还有了全局收敛性定理，也给出了数值例子。     

基于遗传算法的非线性摄像机标定

鉴于传统非线性摄像机标定方法存在需要设置初始点、容易陷入局部最优点等缺点。为了解决这些问题 ,提出运用浮点数编码的遗传算法优化摄像机的内部参数 ,通过试验证明 ,基于遗传算法的摄像机标定不仅可以克服传统优化算法的缺点 ,并且还具有鲁棒性强、标定准确的优点。     

带有启动费用与维持费用的动态批量问题

建立了带启动费用与维持费用的多产品动态批量问题模型，讨论了最优解的存在性及其特征，提出有效地解决上问题的分枝定界法。     

基于CHC算法的无人机航迹规划方法

利用改进的遗传算法——跨世代异物种重组大变异(CHC, Cross generation Heterogeneous recombination Cataclysmic mutation)算法提出了一种无人机的航迹规划方法.初始种群即初始航线集利用具有启发式信息的搜索算法产生;适应度函数为距离指标与威胁指标的组合形式;选择操作群体为当前群体与上世代群体的群体总和,由于大个体群操作,可以更好地保持遗传多样性;交叉操作采用单点交叉方法,交叉点取为2条航线中距离最近的2个点;变异操作的步骤是:首先在航线中搜索出2个点,然后算出这2个点之间的直线距离与实际航线距离的比值,如果这个比值小于某一阈值则以这2个点为端点重新规划一条航线.由于考虑到了无人机约束条件的限制,从而避免了盲目性且加快了收敛速度.仿真结果表明该方法比基本遗传算法要快而且满足最优条件.