高动态无人飞行器轨迹规划与控制技术

针对高动态无人飞行器的飞行环境中,气动力、气动热条件苛刻,飞行参数和结构变化剧烈的特点,研究了多约束条件下的轨迹规划与设计方法.提出了以无人飞行器倾侧角为主控制量,将轨迹规划问题转化为最优控制问题,采用极大值原理和改进的邻近极值法,求解无人飞行器总吸热量最小的最优控制,并使得最优控制满足所有飞行边界约束和终端约束.最后,以某型高动态无人飞行器为对象,仿真证明了方法的有效性.     

基于多目标进化算法的卫星机动路径规划

建立了带挠性帆板卫星姿态控制问题的多目标优化模型,并基于一种多目标优化精英进化算法,规划卫星姿态机动的最优路径,以进一步提高卫星姿态控制系统的控制性能.仿真结果表明,所提方法只需运行一次,便能够有效地规划出一组多样性较好的非支配路径解,供决策者在不同的工作目标下选择,有效地缓解了卫星快速性、姿态稳定度、卫星机动所激发的帆板低振动强度之间的矛盾.      

面向维修性设计的民机产品拆卸序列规划方法

维修拆卸序列规划是产品维修性设计的重要内容。深入研究了面向维修性设计的产品拆卸建模方法,将民机产品分为部件模块与联接件两部分,构建了部件联接图模型,通过关联矩阵描述了部件模块与联接件的相互关系。分两步给出了民机产品拆卸序列规划方法:利用干涉矩阵确定部件模块的可行拆卸方向,以拆卸代价最小为目标,提出了基于有序搜索的民机产品部件模块的拆卸序列规划算法;考虑联接件的拆卸顺序,以拆卸工具更换次数最小为目标,提出了基于基因成对交叉与变异的遗传算法的完整拆卸序列优化方法。最后,结合某飞机前起落架系统给出了应用实例,阐明了本文方法的有效性。     

能量最优与燃料最优Lambert交会问题

Lambert双脉冲交会问题是航天工程中轨道转移和在轨交会等领域的重要问题,而能量最优和燃料最优Lambert交会问题是针对典型应用背景和工程需求衍生的一类Lambert优化问题。针对能量最优与燃料最优Lambert双脉冲交会问题提出一种基于矢量形式的解析计算方法,给出能量最优和燃料最优Lambert交会问题的矢量形式解析解,同时对2种最优交会问题求解的性质与特点进行了分析对比。仿真结果验证了计算的正确性及燃料最优轨道相比能量最优轨道燃料消耗较少的事实。      

基于约束可满足的深空探测任务规划方法研究

基于传统的CSP算法不能充分体现规划过程的特点,讨论了如何将规划中的动作关系映射到CSP结构中,并据此提出了一种以动作为中心的启发式变量选择策略;分析验证了该方法能够显著降低传统CSP变量搜索策略的时间复杂度,同时对于约束编码的规划问题具有一般适用性。仿真实验表明,本文提出的方法减少了约束处理中的冗余操作,有效提高了问题的求解效率,为工程应用奠定了基础。     

月面巡视探测器任务规划顶层设计与实现

针对巡视器月面任务规划工程的可实现性,开展了巡视器任务规划顶层设计方法的研究,主要内容包括:任务规划技术特点的梳理与归纳;任务规划输入条件与约束条件的整理,规划变量的统一;任务规划框架的设计,巡视器行为序列与上行控制指令的衔接,针对巡视器行为序列的大模式套用小模式的动态设计等。通过巡视器任务规划工程实现的介绍,说明在巡视器任务规划的顶层设计中,任务的不确定性、部分约束与输入信息的模糊性,是任务规划框架设计以及在后续工程实现过程中需要重点考虑的内容,是与任务规划的工程可实现性直接相关的。     

基于改进遗传算法的移动目标成像侦测任务规划问题研究

基于先验信息调用成像侦察卫星监控陆地或海洋移动目标动态信息是卫星成像侦察面临的新 课题。在已知移动目标位置等先验信息基础上,动态构造目标可变潜在区域及其运动预测模 型,利用STK辅助构造其候选成像观测活动集合;在此集合及目标运动预测模型基础上 对动态可变区域成像卫星调度问题进行建模,并设计了一种基于模拟退火算法及遗传算法的 改进遗传算法对问题进行求解,得到近最优的移动目标成像侦测方案。最后通过实例及算法 对比验证了规划模型及算法对解决该类问题的合理性和有效性。
     

基于混合量子粒子群优化算法的三维航迹规划

针对粒子群优化算法(PSO)存在的早熟收敛问题,通过将种群的繁殖机制引入量子粒子群优化算法(QPSO),提出了一种混合量子粒子群优化算法(HQPSO),将该算法应用于无人飞行器的三维航迹规划。同时,运用统计学方法,通过仿真实验比较了HQPSO算法与QPSO算法以及带动态变化惯性权系数的PSO算法的性能。仿真实验结果表明,HQPSO不但比QPSO和PSO具有更强的全局搜索能力,而且比QPSO和PSO具有更快的收敛速度。     

月球车全局路径规划中的A＊算法改进

考虑月球车全局路径规划的应用要求,针对传统A＊算法搜索速度慢和返回路径不够优化的缺点,对算法流程进行改进,减少其时间和空间复杂度,提高其搜索速度,并对返回路径进行优化,有效地缩短了路径。对于存在凹形障碍的地图,采用后退一尝试的方法解决规划失败的问题,并在一次搜索的基础上使用二次搜索策略来实现规划路径的优化,使之绕过凹形障碍趋向目标,从而达到输出最短路径的目的。     

机器人动作规划的新方法

机器人动作规划是智能机器人控制系统的一个特别重要而又十分复杂的研究课题，本文在对机器人动作规划进行问题描述的基础上，通过应用解释学习来获取搜索策略，为其提出了一种新的方法，仿真结果表明，该方法是可行且有效的。