基于多学科设计优化算法的再入轨迹优化设计

传统的再入轨迹优化问题通常是在气动外形和质量等总体参数给定的情况下建立起来的。所设计的最优轨迹从飞行力学的角度来看是最优的，但从系统角度来看未必是最优的。在总体初步设计阶段，考虑气动外形和质量等其他学科影响的再入轨迹优化对于提高RLV的系统性能无疑具有重要意义。此时再入轨迹优化将是一个静态，动态多学科混合优化问题。以球头双锥的升力体构型RLV为例，以最小化热防护系统质量和最大横向机动距离为指标，采用两种典型的多学科优化算法来研究考虑气动外形、轨迹和热防护系统三个学科的再入轨迹优化设计问题。仿真结果表明多学科优化算法能够用来求解静态，动态多学科混合优化的再入轨迹优化设计问题，是RLV初步外形设计和任务轨迹规划的重要工具。     

基于碰撞概率的交会对接最优碰撞规避机动

发展了一种求解交会对接过程中最优碰撞规避机动的方法,可以在保证碰撞概率降低到安全值的前提下得到最优的避撞机动冲量。这种方法采用机动方向和机动大小分步求解的策略来计算机动冲量。机动方向通过求碰撞概率对于机动冲量的梯度得到,机动大小通过求解一个非线性方程得到。最后,采用这种方法针对交会对接中常用的径向冲量V-ｂａｒ转移轨迹进行了碰撞规避机动计算,计算结果表明本文的方法能够满足交会对接碰撞分析的需求。     

考虑地球扁率J2摄动影响的异面椭圆轨道多冲量最优交会

重点研究了在地球扁率影响下,固定时间内两异面椭圆轨道间的燃料最省多冲量最优交     

再入轨迹多约束模型预测静态凸规划方法

针对大升阻比可重复使用飞行器再入滑翔轨迹规划问题,提出了一种基于自适应分段Chebychev伪谱离散的多约束模型预测静态凸规划算法(P-CMPCP),实现了全量终端状态约束及多过程约束作用下再入轨迹的高精度迭代解算。考虑倾侧角翻转导致控制量不连续,传统规划方法难以同时严格满足终端位置、角度约束,且过程约束易超限,采用自适应分段伪谱离散策略,构建全程飞行状态及过程性能指标约束对各配点处控制调整量的敏感度关系,从而将非线性最优控制问题转化为静态凸规划问题,并利用内点法对各分段控制量进行了协调优化。本文所提方法无需对动力学模型进行简化或近似处理,即能以少量积分运算使轨迹满足再入全量模型约束,且控制量平滑,数值精度优于传统规划方法。     

基于混合遗传算法的多冲量最优变轨

针对航天器多冲量最优变轨问题,建立了多冲量最优变轨的数值优化模型,给出了一种遗传算法(GA)与序列二次规划算法(SQP)结合的混合优化算法.该算法不需初值猜测,全局和局部搜索能力强并且计算效率高.仿真计算了燃料最优交会和时间最短拦截问题,比较了GA,SQP以及混合遗传算法的性能.针对混合遗传算法得到的不同冲量次数变轨的优化结果,分析了冲量次数对变轨性能指标的影响.结果表明混合遗传算法综合性能最高,冲量次数对不同性能指标的影响不同.仿真算例验证了模型和算法的有效性.     

旋转弹气动力建模与飞行轨迹仿真

运用一种自回归滑动平均(ARMA)的时域气动力建模方法,以计算流体力学与刚体动力学(CFD/RBD)耦合仿真的输出结果为样本,对旋转弹的非定常气动力进行建模。利用建立的气动力模型与刚体动力学方程求解模块耦合,实现了旋转弹轨迹的快速仿真,并讨论了不同的建模方式对仿真精度的影响。算例结果表明:采用气动力模型与刚体动力学方程耦合仿真技术可以在不同初始发射条件下进行旋转弹飞行姿态与运动轨迹预测,且与CFD/RBD仿真结果吻合较好,证明ARMA气动力建模方法可以在保证旋转弹轨迹预测精度的同时大幅缩短仿真时间,节省计算资源。     

基于序列凸优化的高超声速滑翔式再入轨迹快速优化

针对具有热流、动压、过载以及多个禁飞区约束的再入轨迹优化问题,提出采用序列凸优化方法快速求解。利用归一化时间作为自变量解决终端时间自由问题,并引入辅助控制变量以减少序列优化结果中的高频振荡,在此基础上,通过线性化、离散化和非凸约束的凸化处理,将非凸非线性优化问题转化为二阶锥规划(Second Order Conic Programming,SOCP)问题,然后采用凸优化求解算法快速求解。数值优化结果与对比验证表明该方法能快速高效求解多约束条件下的再入轨迹优化问题,且计算效率和性能均优于传统的非线性规划方法。     

基于高斯伪谱法的翼伞系统复杂多约束轨迹规划

翼伞系统在实际环境中飞行时易受到风场以及地形环境等复杂干扰的影响,无法精确归航,控制难度较大。针对该问题,提出了一种针对复杂多约束条件的翼伞系统的最优控制轨迹规划方法,可同时实现翼伞系统在复杂环境下逆风对准、精确着陆以及控制量全局最优的控制目标。首先,建立了风场干扰下的翼伞系统模型;然后,通过引入地形环境曲面,将复杂环境转化为实时路径约束,将轨迹着陆偏差以及逆风雀降转化为终端约束,并考虑控制量消耗最小为目标函数,以此将复杂环境下的翼伞系统的轨迹优化转化为一系列非线性的带有复杂约束的最优控制问题;最后,采用高斯伪谱法将多约束最优控制问题转化为易于求解的非线性规划问题。通过设立3组复杂环境仿真实例和实验验证,表明本文方法使翼伞系统在多种较恶劣的复杂环境中有效应对多类约束条件,规划出控制量全局最优的可行轨迹。与已有的混沌粒子群优化算法相比,本文方法具有较好的最优性和较高的精度。     

无人机栖落机动建模与轨迹优化

对固定翼无人飞行器栖落机动的纵向运动进行了气动特性建模与轨迹优化设计。通过运动捕捉系统测量获得试验滑翔机实时飞行数据,并结合统计学原理和平板气动理论建立了气动模型和动力学模型。针对所建立的模型采用GPOPS优化工具箱设计了栖落机动标称轨迹。优化结果表明,不同初始速度条件下执行栖落机动的空间需求不同,但最终都可以实现以相同的栖落速度落到同一位置。     

多飞行器动态目标追踪协同控制研究

多飞行器追踪动态目标是一个协同控制问题,需要根据目标飞行状态,协同各个追踪飞行器的飞行状态,最终能够在某动态的最佳点实现同时到达。考虑到目标具有较强的机动性,轨迹通常为非线性的,设计了一种基于非线性轨迹预测的、以剩余时间为控制变量的一致性控制方案。仿真结果表明,提出的控制方案能够实现空间位置相距较远的多飞行器动态追踪,具有较好的灵活性和收敛性,目标轨迹的预测结果与实际轨迹误差较小,恰当的轨迹估计有助于缩短追踪时间,提高追踪效率。