考虑禁飞区规避的空天飞行器分段预测校正再入制导方法

针对空天飞行器再入制导问题,提出一种考虑禁飞区规避的分段预测校正制导方法。在再入段前期采用剩余航程作为目标函数,后期引入预测落点偏差作为目标函数进行制导指令求解,同时确定倾侧角幅值和符号,兼顾了计算效率与终端制导精度。在此基础上,对于再入过程中的禁飞区规避问题,把禁飞区分为两类,增加了通过倾侧角幅值修正策略实现侧向规避制导的逻辑,可适用于无法单独通过倾侧角反转规避禁飞区的情况。最后,通过开展考虑再入初始状态和气动品质不确定性的蒙特卡罗仿真,验证了提出的分段预测校正制导方法可以有效引导空天飞行器规避禁飞区,与单段目标函数预测校正方法相比,具有更高的制导精度。

基于航路点分段的预测校正再入制导方法

针对可重复使用空天飞行器的再入及返场问题,通过设置航路点开展了分段预测校正再入制导方法研究。首先,在发射坐标系下建立了动力学模型,对再入过程中的约束条件进行了分析与转化;其次,给出了数值预测校正制导方法的设计逻辑,针对该算法迭代中可能产生的发散问题与饱和问题,一是引入一个调节因子来自适应地调整迭代步长,二是为迭代设置与速度相关的误差限,三是采用了设置航路点的方式对再入过程分段,缓解了气动不确定性带来的影响,完成了数值预测校正方法的改进;最后,通过对某空天飞行器的数值仿真验证了该方法的有效性,使用航路点分段策略能够进一步消除制导指令饱和,提升制导精度。

TSTO运载器一级返场轨迹优化设计与在线生成

对水平起降两级入轨(TSTO)运载器一子级返场轨迹优化和轨迹在线生成问题进行了研究。首先,给出了较独特的一子级再入轨迹设计策略:先给定侧向剖面,再分段优化求解三维轨迹。针对返场过程的大幅转向需求,设计了形式简单的倾侧角-航向角偏差剖面,并定义了具有不同任务的航向转弯段和航向微调段;针对一子级宽速域气动变化显著特点,为避免轨迹跳跃,定义了增高减速段和下降滑翔段,并采用分段优化策略求解三维轨迹。其次,针对分离扰动造成的一子级初始状态偏差,扩展了自适应高维伪谱插值(AMPI)算法的参数空间,并将其应用于返场轨迹在线生成问题。仿真结果表明,设计的倾侧角剖面能够在倾侧角不翻转的前提下调整飞行航向对准着陆场,设计的分段优化策略能够保证高度曲线平稳无跳跃,采用的自适应高维伪谱插值算法能够在分离扰动影响下快速准确地实现在线轨迹生成。

基于神经网络航程估算模型的预测校正切换再入制导方法

针对升力式飞行器再入制导问题提出了一种智能预测校正制导方法。首先,以数值预测校正制导为出发点,考虑预测环节计算时间过长的问题,通过引入神经网络航程估算模型代替动力学积分过程,快速计算剩余飞行航程。然后,为了进一步降低神经网络训练数据规模,分析了飞行状态参数对剩余飞行航程的影响规律,对神经网络的结构进行了优化,设计了用于航程估算的全连接神经网络模型。最后,将训练好的神经网络模型应用于再入制导前中期,结合分段目标函数设计,在再入后期使用等距试探确定制导指令。蒙特卡罗仿真结果表明,所提出的基于神经网络航程估算模型的预测校正再入制导算法具有良好的鲁棒性,在保证精度的前提下提升了计算效率。