针对RLV发动机推力下降故障的弹道与制导律优化

针对RLV(可重复利用运载火箭)发动机推力下降后助推段与返回段的协调弹道优化问题,提出了弹道评估与决策方案及新型优化制导律。首先基于弹道数值积分与入轨机械能设计了针对RLV助推段推力下降故障的运载与返回能力评估与决策方案,得到效益最优的弹道决策区间。进而设计利用PSO(粒子群优化算法)优化ZEM/ZEV(零控脱靶量)制导律的弹道优化方案。在助推段发动机推力下降后优化关机与落地时间使入轨与返回能力综合最优;在助推级分离后优化二次点火高度与制导律参数使其满足最大热流约束;在降落段推力进一步下降后,精细优化落地时间与制导参数以实现精确软着陆。仿真结果表明,本文提出的方案提高了RLV在发动机推力下降情况下的入轨与着陆能力,且算法计算量小,结构简单。

状态预测神经网络控制应用于小型可回收火箭

随着商业航天的到来,可重复使用运载器的研究受到广泛关注,以SpaceX为代表的商业航天公司研发的部分可回收火箭表现出了前所未有的竞争力。为了研发可回收火箭技术,翎客航天利用民间工业力量研制了RLV-T3小型可回收火箭验证机,并在该验证机上通过数百次试验逐渐掌握了垂直起降(VTVL)技术。主要介绍了翎客航天在VTVL技术中的一项动力控制技术,提出了状态预测神经网络控制(SPNNC)算法。该算法具有鲁棒性强、适用范围广、控制参数易调整等优点。详细地描述了该算法的原理,并通过Simulink对SISO和MIMO 2种系统进行了仿真。同时详细地论述了将状态预测神经网络控制算法应用于RLV-T3小型可回收火箭的飞行及回收的试验,包括RLV-T3小型可回收火箭的基本特点、控制难点、存在的问题,飞行过程中各物理量的曲线和试验结论。经试验验证,状态预测神经网络控制算法具有良好的控制性能,基于该控制技术,即状态预测神经网络控制算法的RLV-T3小型可回收火箭验证机可以安全地实现垂直起飞、弹道飞行、空中悬停、软着陆回收全流程。