基于Dueling DQN的临近空间飞行器再入轨迹规划

针对临近空间飞行器再入段禁飞区规避制导问题,构建了临近空间飞行器再入过程横侧向制导的马尔可夫决策过程(Markov decision process,MDP)模型。基于竞争深度Q网络(dueling deep Q network,Dueling DQN),设计了横侧向制导律及满足射程需求与禁飞区规避需求的再入过程奖励函数。经仿真验证,该横侧向制导律能够通过改变倾侧角符号实现禁飞区规避,并导引飞行器到达目标区域,具备较高精度,验证了方法的有效性。

高超声速滑翔飞行器再入轨迹优化

为提高高超声速滑翔飞行器再入轨迹优化问题求解速度和精度,提出了一种将改进的麻雀智能优化同参数化设计相结合的再入轨迹方法。首先,通过Tent混沌映射和精英反向种群方法初始化种群,利用黄金正弦策略进行种群的位置更新,并通过余弦策略减少侦察者数量,采用贪婪策略对种群的最优解进行选择和更新,在增强算法全局搜索能力的同时,不影响收敛速度。然后,将高超声速再入轨迹优化问题转化为攻角剖面和倾侧角剖面的参数化设计问题,将路径约束转化为阻力加速度再入飞行走廊,保证再入过程中始终满足路径约束,利用罚函数法处理终端约束,从而使得飞行器精确命中目标。最后,采用改进的麻雀智能优化算法对设计参数进行寻优,使得目标函数最优。仿真实验表明:本研究所提出的改进麻雀算法相较于原始麻雀算法、鲸鱼算法和粒子群算法收敛速度快,得到的高超声速滑翔飞行器再入轨迹精度有了进一步的提高;蒙特卡洛仿真实验说明,本研究所提出的高超声速滑翔飞行器再入轨迹优化算法具有一定的鲁棒性。

基于NSGA-II算法的RLV多目标再入轨迹优化设计

传统的再入轨迹优化设计通常只考虑单目标优化问题,例如最小热流、最小大航程、最小控制能量等。随着人们对降低费用和提高性能的期望越来越高,多目标再入轨迹优化问题也引起了注意。以往人们通过加权因子等方法将多目标问题转化为单目标问题,避免了复杂的多目标优化算法的应用。但也引入了新的参数,且每次优化只能获得与该参数相关的1个解。N SGA-II算法是最近发展起来的具有优良性能的多目标遗传算法,它引入了快速分类、约束支配和精英策略,1次运行可以获得多个Pareto最优解。文中利用N SGA-II算法来求解具有最小热载和最大横程的2个目标的再入轨迹优化问题。算例表明N SGA-II算法能够有效地搜索到优化轨迹的Pareto前沿,是RLV初步设计的有力工具。

基于遗传算法的RLV再入轨迹优化设计

飞行器再入轨迹优化是一类最优控制问题。传统的优化方法存在初始值敏感问题。利用小生境技术和精英方法改进适应值共享拥挤遗传算法,并将其用于RLV再入轨迹优化设计。以终端时间固定的空间最小控制能量再入轨迹和终端时间自由的平面最小热载再入轨迹为例,详细讨论了遗传算法用于再入轨迹优化设计所需要解决的一些关键问题。仿真结果表明提出的方法能够较快地搜索到全局最优解,对初始猜测值不敏感,能够方便用于RLV的再入轨迹方案选择和优化设计。

利用高斯伪谱法求解具有最大横程的再入轨迹

为了使升力式飞行器再入大气层后取得最大横程,采用高斯伪谱方法求解最优再入轨迹。利用微分形式高斯伪谱方法将飞行器三自由度再入轨迹优化问题转化为非线性规划问题,选取高斯节点上的状态量和控制量作为待优化参数,并将最优性能指标选为横程最大,然后对再入轨迹进行了求解。通过与按最大升阻比飞行方案所得结果进行对比,表明按所提方法求取的再入轨迹优于后者。此外,仿真过程还说明高斯伪谱法对状态猜测值并不敏感,算法容易收敛,适用于轨迹优化问题的求解。

载人航天器深空飞行返回再入轨迹优化

分析了载人航天器深空飞行返回再入的飞行特点,指出其轨迹优化研究的必要性;给出了基于遗传算法的轨迹优化方法;利用自主编制的仿真软件程序,采用与Apollo和Soyuz飞船类似的返回舱的参数进行了仿真。仿真结果表明,优化后加速度过载峰值被严格控制在满足载人飞行要求的范围内,同时其他过程载荷峰值也在满足约束的前提下明显降低,总吸热量和再入航程也大幅缩减,优化后再入轨迹满足工程实施的初步要求。

基于遗传算法的RLV再入轨迹优化设计(英文)

飞行器再入轨迹优化是一类最优控制问题。传统的优化方法存在初始值敏感问题,利用改进的基于小生境技术和精英方法的适应值共享拥挤遗传算法进行RLV的再入轨迹优化设计。以终端时间固定的空间最小控制能量再入轨迹和终端时间自由的平面最小热载再入轨迹为例,详细讨论了遗传算法用于再入轨迹优化设计所需要解决的一些关键问题。仿真结果表明提出的方法能够较快地搜索到全局最优解,对初始猜测值不敏感,能够方便用于RLV的再入轨迹方案选择和优化设计。

航天器最优再入轨迹的选择分析

本文研究的目的是想获得具有最大有效载荷的航天器最优再入轨迹。返回段航天器的最大有效载荷等价于航天器离轨点所耗燃料质量与热防护系统（ＴＰＳ）质量之和达极小。文中把最大有效载荷的再入轨迹分三种情况作了分析：航天器ＴＰＳ质量不确定时，通过返回轨迹优化来获得航天器的最大有效载荷，并选择确定相应ＴＰＳ的质量；ＴＰＳ质量已确定时，通过再入轨迹优化来获得航天器的最大有效载荷；ＴＰＳ质量足够大时，通过多次穿越大气层来获得航天器的最大有效载荷。本文的结论可为航天器再入轨迹与ＴＰＳ的一体化选择提供思路。

RLV再入轨迹机载快速优化

为了可重复使用飞行器再入轨迹机载快速优化的需求,开发一种再入轨迹快速优化算法。根据RLV再入三维轨迹的特点,引入了新的假设,对RLV再入轨迹状态方程进行简化处理,使优化迭代计算量大大减少,在此基础上,使用乘子法对再入终端约束进行处理,然后用共轭梯度法求解优化再入轨迹,最后以美国航天飞机为例计算再入最优轨迹。结果验证该算法在满足约束条件的情况下,具有很快的收敛速度,在不同初始再入条件和终端约束条件下,计算机时一般小于一分钟。该算法具有很好的工程应用前景。

基于拟能量的高超声速飞行器再入轨迹优化

考虑高超声速飞行器再入过程总加热量最小,基于拟能量将单段轨迹优化转化为多段轨迹优化问题,采用非等间距控制变量参数化方法对每段轨迹分别优化.高超声速飞行器再入轨迹必须满足热流率、动压和过载3个约束.通过把控制变量参数化,同时引入时间尺度变换和不等式约束转化方法,将轨迹优化问题转化为含有约束的非线性规划问题.基于拟能量概念,将再入轨迹进行了分段优化,以4段为例进行了仿真,计算时间比单段情况下缩短了约50%.

高度-速度剖面内再入轨迹快速规划

提出一种升力式再入航天器进入稠密大气后的轨迹规划方法。在预先设定攻角剖面的前提下,利用路径约束(驻点热流、动压和过载)在高度-速度(H-V)剖面内直接获得轨迹下边界;利用终端约束确定以轨迹下边界为基准的高度增量,进而通过下边界与高度增量的加和形成满足要求的再入轨迹。其中,增量的形式选取为分段二次型函数,其大小可通过割线法快速获得。倾斜角大小可根据纵向动力学方程反解得到,其方向依据航向误差角走廊确定。通过对典型工况的仿真,结果表明所提方法能够快速规划出再入轨迹,且适应性好。

航天飞机的最优再入轨迹与制导

本文研究航天飞机受过载、动压及加热约束情况下,总加热量最小的最优再入轨迹与制导问题。文中给出了确定阻力参考型、再入飞行走廊的方法与模型,建立了相应的制导律,以总加热量最小为性能指标,通过适当选取阻力参考型的变化,将再入轨迹的优化转换成参数的优化问题。并以美国航天飞机数据为例进行了模拟计算,得到了满意的结果。

间接法求解具有最大横程的再入轨迹

针对运用间接法进行弹道优化时存在共轭变量初值高度敏感难以估计而无法获得全局最优解的缺点,引入混合遗传算法对弹道优化时的共轭变量初值进行搜索,并求解获得具有最大横程的再入轨迹.求解时考虑了热流约束、过载约束和动压约束,约束的处理采用惩罚函数方法,通过对不可行解的惩罚转换为无约束问题.数值仿真验证了该算法实用性.

航天飞机最优再入轨迹的近似解析解及分析

本文将航天飞机最优再入轨迹假设为三个飞行段,即常值热流飞行段、平衡滑翔飞行段,等阻力过载飞行段,由此导出了最优再入轨迹的近似解析解。通过对解析解的结构分析,以及与精确数值解的比较,说明了该三段假设的合理性,以及近似解的次优性。

基于粒子群算法的飞行器再入轨迹优化

提出将粒子群优化算法(PSO)应用于飞行器再入轨迹优化。以最小控制能量高超声速飞行器再入轨迹优化为例,对飞行器运动模型进行简化和控制量参数化,粒子群算法采用自适应权值,并充分利用飞行器再入时的运动特性来设置PSO算法初始参数,分析比较仿真步数对结果的影响。仿真结果表明提出方法的有效性和优越性。

高可靠性再入轨迹快速规划方法

提出一种高可靠性再入参考轨迹快速规划方法。在参考轨迹生成过程中,如果飞行路径角变化率不足够小,拟平衡滑翔条件(quasi-equilibrium glide condition,QEGC)的应用前提得不到保证,利用QEGC所得的倾斜角剖面不保守,从而导致生成的参考轨迹有穿越再入走廊的风险。为得到高可靠性再入轨迹,在倾斜角搜索过程中,除了使再入参考轨迹满足路径约束与终端约束外,同时将QEGC的应用前提"飞行路径角及其变化率为小量"作为倾斜角搜索的一项约束。计算结果表明所提方法能够保证再入轨迹的可靠性,同时基于QEGC规划方法的适应性得到保留。

用广义乘子法求解航天器最优平面再入轨迹

从纵向平面无量纲航天器质点运动方程出发,引入了能量参数对运动方程进行推导,使得运动方程和优化问题易于处理。通过将优化变量转化为分段连续的线性函数和Runge-Kutta数值计算方法,将轨迹优化问题转化为非线性规划问题,应用广义乘子法对其进行数值分析,给出了不同航程要求下,总加热量最小,满足终端要求以及过载、动压、热流约束的航天器最优轨迹,并分析了其特点。

可重复使用运载器再入轨迹次实时优化

新一代可重复使用运载器RLV(Reusable Launch Vehicle)再入时应具备自主导航的能力,其实现的关键是用机载计算机近实时或实时地生成一条满足各种约束条件的再入轨迹.根据RLV再入的特点,引入了新的假设,对再入轨迹方程进行简化处理,优化难度降低,工作量减少.另外引入次优化轨迹的概念,对控制量(迎角和滚转角)的优化分两步进行,每步只对当中一个控制量进行优化.这样处理能在很大程度上加快算法的收敛速度.仿真结果表明,只需10s左右的时间就能产生一条满足终端约束条件、控制量约束条件和加热率约束条件的次优化轨迹.其结果具有较好的工程应用价值.

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。

空天飞机再入轨迹的变精度序列优化方法

为提高空天飞机再入轨迹优化方法的稳健性和精度,提出一种变精度序列优化方法。优化计算过程分为3个步骤:首先进行预优化,即在粗离散情况下,应用混合优化方法进行轨迹优化,获得各时间点设计变量的最优解;然后对预优化的结果进行一元全区间插值处理,获得细离散情况下设计变量的初值;最后进行精细优化,获得精度更高的计算结果。算例结果表明,变精度序列优化方法能稳健地求解空天飞机再入轨迹优化问题,并能以较少的计算量获得满足精度要求的优化结果。