人工智能气动特性预测技术在火箭子级落区控制项目的应用

发展了一种基于人工智能算法的气动特性预测技术,在开展部分工况风洞试验基础上,结合少量数值仿真结果,通过机器学习模型预测全部工况气动特性。该方法能够降低研制成本,缩短周期。先后解决了相关函数选择、模型超参数训练、数据检验和“人在回路”应用等关键算法与技术问题,应用于运载火箭子级栅格舵落区控制项目气动研制,获得了设计所需完整的气动特性数据。2019年7月26日火箭飞行搭载试验验证了预测方法的正确性。最后,提出了人工智能技术在气动设计应用的分级概念和标准,划分和识别人工智能的能力,确定阶段性功能,为人工智能与气动设计结合与应用提供参考。

一种火箭子级残骸六自由度落点预报方法

火箭子级这类较大外形的残骸,不同的姿态影响其受到的气动力,进而影响残骸的质心运动。在质心运动的基础上,对残骸的姿态运动进行了分析与建模,提出火箭子级残骸六自由度落点预报方法。通过数值仿真,将某次任务火箭一子级残骸的落点预报值与真实落点坐标进行了对比,结果显示:射向偏差1.2km,横向偏差0.1km,两部分偏差均在2km以内,将理论落区的搜索范围缩小了约90%,表明该预报方法可增强搜索的针对性并提高搜索效率。

面向火箭子级精确回收的翼伞最优航迹规划算法研究

翼伞是实现运载火箭子级精确回收的一种新的重要手段,针对翼伞在火箭子级回收中易受风场影响、落点误差大的问题,提出了一种基于天牛群算法的翼伞最优航迹规划算法。根据翼伞和某型火箭一子级组合体的动力学和运动学方程建立六自由度模型,并分析火箭一子级归航过程中不同转弯下偏量对前向速度、垂直速度及翼伞航迹规划的影响。在此基础上,将翼伞一子级组合体盘旋削高段的盘旋圈数、盘旋半径和方位角作为寻优参数,应用天牛群算法对组合体进行最优航迹规划,将平均风的影响转换为目标点的飘移,最终获得一条综合考虑能量以及落点精确度的归航航迹。仿真结果表明,所提出的基于天牛群算法的火箭一子级翼伞回收分段最优航迹规划算法收敛速度快,航迹落点精度高。

一种运载火箭第一子级回收方案设计方法

针对可回收火箭的总体设计,提出了一种用于运载火箭第一子级回收方案的设计方法。首先,建立火箭子级运动模型,为便于确定回收推力大小和调节范围,在模型中引入了推力比例因子和推力调节因子。然后,探讨回收推力和推进剂剩余量的对应关系,并通过飞行时间给出剩余推进剂的约束条件。最后,从设计的角度确定回收基本过程,并通过仿真算例制定火箭子级的回收方案。所提方法详细给出了回收过程中火箭发动机的推力大小、推力调整范围、工作时间、落点位置、最大速度以及着陆段的起始速度和高度的估计。算例表明所提方法可以实现回收过程的关键参数确定。