基于hp自适应伪谱法的飞行器再入轨迹优化与制导

研究了一种基于hp自适应伪谱法的飞行器再入在线轨迹优化与制导方法。首先针对飞行器再入段在末速度最大的条件约束下进行了轨迹优化;然后针对再入段地球大气分布不均匀、建模误差、扰动等因素,设计了基于hp自适应伪谱法的反馈制导方法;最后进行了数学仿真研究。仿真结果表明:采用本文提出的反馈制导方法得到的末速度为6.93 km/s,比未采用闭环制导的方法提高了0.33 km/s,并且制导精度提高了15倍。

基于hp自适应伪谱法的多脉冲导弹弹道优化设计

针对多脉冲导弹非连续助推的特点,基于hp自适应伪谱法研究了多约束多阶段的弹道优化设计问题。结合多脉冲导弹的工作过程,给出了弹道的分段准则,在考虑过载、动压及终端弹道参数等约束条件下,建立了运动学模型以及多约束多阶段全弹道优化模型。为解决Radau伪谱法处理复杂优化问题时存在的局限性,提出了一种基于hp自适应伪谱法的求解策略,对其最大射程的弹道进行了优化设计,并与传统的最大升阻比方案所得的结果进行了比较分析。仿真结果表明,该方法能有效解决多脉冲导弹弹道优化问题,射程比最大升阻比方案提高了7.8%,研究结果可为多脉冲导弹的弹道总体设计提供参考。

基于hp自适应伪谱法的飞行器多阶段轨迹优化

为解决助推-滑翔飞行器的多阶段多约束轨迹优化问题,在考虑速度约束、轨迹阶段切换点约束与轨迹末端参数约束的条件下,建立了助推-滑翔飞行器纵向运动模型与多阶段轨迹优化模型.采用基于hp自适应伪谱法的Legendre-Gauss-Radau离散点,将该最优控制问题转换为多阶段非线性规划问题,求解得到最大飞行距离轨迹.为解决多阶段轨迹优化算法难以确定位置自由的阶段切换点的问题,基于动态规划的思想,设计了新的多阶段轨迹优化策略.改进后的优化策略在得到了多阶段全局近似最优解结果的同时,减少了原优化算法的计算量.仿真结果表明,改进的hp自适应伪谱法能有效解决多阶段助推-滑翔飞行器轨迹优化问题,优化结果优于最大升阻比滑翔飞行轨迹.

基于hp自适应伪谱法的组合动力可重复使用运载器轨迹优化

针对传统化学火箭难以重复使用、发射成本高的问题,提出了一种水平起飞/降落的新一代可重复使用运载器飞行方案,并对其动力模式设计和上升段轨迹优化方法等关键技术进行深入研究。设计了一种涡轮\冲压发动机结合火箭\冲压发动机的组合动力模式,建立了发动机推力与高度、马赫数等变量间的耦合模型,根据动力形式将上升段轨迹分为两段并采用全局搜索法确定动力切换的最佳时机。根据分段结果,分别以燃料最省和终端速度最大为指标,利用hp自适应伪谱法对两段进行轨迹优化设计。该算法基于双层策略求解最优控制问题,兼备伪谱法和有限元法的优点,与打靶法、伪谱法和间接法相比,初值更易选取,收敛速度更快。

基于hp自适应伪谱法的变后掠翼导弹弹道优化设计

为了提高变后掠翼导弹的终端速度,对其末端弹道优化问题进行了研究。基于终端速度最大,采用后掠角和攻角双变量优化方案,建立了在动压、过载及边界条件等多约束条件下的弹道优化模型。鉴于全局伪谱法在解决复杂多约束条件下最优控制问题存在的局限性,采用将全局伪谱法与hp型有限元法融合的hp自适应伪谱法,将弹道优化问题转化为非线性规划问题,并将仿真结果与已有的粒子群算法的最优弹道对比,验证了模型和方法的正确性。结果表明,采用hp自适应伪谱法得到的最优弹道在保证了较高的命中精度的前提下,能够以更高的终端速度和更佳的弹体姿态攻击目标。

基于hp自适应伪谱法的组合动运载器发射窗口拓展能力分析

传统运载火箭具有弹道横向调节能力有限、发射窗口固定等缺陷。针对这一问题,提出了一种水平起飞/着陆的组合动力运载器方案,其巡航段的横向机动能力可极大地拓宽发射窗口宽度。首先推导了组合动力运载器的数学模型,建立发射窗口宽度与运载器横向机动范围之间的映射关系。考虑到飞行环境的复杂性,动力系统性能与飞行状态密切耦合,采用hp自适应伪谱法对运载器飞行轨迹进行优化。该算法自动确定新增节点的数量和位置,并用增加多项式阶次的方法代替节点增加,避免了不必要的网格细化,构成的非线性规划问题规模更小,初值更易选择,求解速度更快。最后进行了数学仿真研究,验证了优化算法的有效性和对发射窗口的拓展能力。

基于hp自适应伪谱法的N脉冲轨道优化设计

在实效性要求高的空间操控任务中,脉冲轨道的优化设计必不可少。针对脉冲轨道转移和交会的优化设计问题,基于hp自适应伪谱法设计一种通用方法,以直接法计算为主,综合使用间接法主矢量理论交互式规划出最优N脉冲轨道的机动方案。该方法以hp自适应伪谱法直接求解首末端双脉冲机动,依据间接法最优脉冲机动满足的主矢量必要条件进行检验,通过增加脉冲或者首末端漂移进行交互式规划,逐步确定出最优脉冲数目N的值,再采用hp自适应伪谱法求解出各脉冲速度增量的矢量与施加时刻,获得脉冲轨道的优化设计。提供2个仿真场景算例,求解过程和结果表明,该方法对初值敏感度小、鲁棒性强、收敛快、实用有效,可以便捷处理脉冲轨道的优化设计问题。

采用hp自适应伪谱法的全自动泊车系统轨迹规划与跟踪控制

针对平行泊车和垂直泊车应用场景,提出一种基于hp自适应伪谱法的全自动泊车系统轨迹规划与跟踪控制方法。首先,综合考虑汽车运动学约束、泊车过程中避障约束和边界条件约束,建立泊车轨迹规划问题数学描述,并通过hp自适应伪谱法将其转化成非线性规划问题进行求解;然后,将泊车轨迹跟踪控制问题解耦成了泊车路径跟踪控制问题和泊车速度跟踪控制问题,并基于有限时间稳定性理论设计了泊车路径跟踪快速终端滑模控制律,以及基于“比例+积分”平滑切换准则设计了泊车速度跟踪控制律。结合汽车动力学仿真软件对所提出的全自动泊车系统轨迹规划与跟踪控制方法的可行性和有效性进行验证,结果表明:针对不同泊车起始点,所提出的方法均可以规划出满足约束条件的时间最短泊车轨迹,并能够精确地控制汽车沿着规划的轨迹自动完成泊车操作。

hp自适应伪谱法在滑翔弹道快速优化中的应用

基于一种求解最优控制问题的新方法——hp自适应伪谱法对滑翔弹道快速优化设计问题进行了研究;该方法将全局伪谱法与有限元法的思想进行结合,采用双层优化策略对细化单元上的配点数和插值多项式的阶次进行自适应调节以满足快速性及精度要求;对滑翔弹道优化问题进行了数值仿真计算,用极小值原理验证了仿真所得的弹道是最优弹道,并与Guass伪谱法的仿真结果进行了对比分析;结果表明该优化方法在求解周期性跳跃滑翔弹道时具有更合理的配点分布及更少的计算时间,对初始控制量不敏感、鲁棒性强,具有一定的工程应用价值。

基于hp自适应伪谱法的固体运载火箭轨迹优化

多级固体运载火箭轨迹优化是一个多阶段多约束的最优控制问题。hp自适应伪谱法融合了有限元法和全局伪谱法的思想,采用双层优化策略对细化单元数和插值基函数的阶次进行自适应调节以满足精度和快速性要求。对基于hp自适应伪谱法的多级固体运载火箭主动段轨迹优化问题进行了数值计算,结果表明该优化方法能够很好的满足过程约束和终端入轨条件,具有收敛速度快、对初值不敏感等优点,有一定的工程应用价值。

hp伪谱法实现滑翔飞行器姿态跟踪控制

针对非线性、多约束的滑翔飞行器再入段质点运动学与动力学模型,采用多区间hp自适应伪谱法对滑翔飞行器的再入段轨迹进行优化设计,再将得到的最优控制量进一步解算,得出飞行器最优控制信号,并针对滑翔飞行器滚转通道进行跟踪控制。仿真结果显示,系统能够识别控制信号,并有效实现姿态跟踪,使得飞行器沿最优轨迹再入飞行。

面向突防的滑翔制导炮弹弹道规划方法

针对滑翔制导炮弹在不可避免的威胁区域内选择突防方案的问题,从量化威胁值的角度建立了敌方防御手段的数学模型,基于模型设计了全程综合威胁值最低的规划指标,提出考虑目标防御威胁的弹道规划方法。为实现滑翔制导炮弹全程飞行过程中初始弹道倾角、偏角、火箭点火时刻、滑翔启控时刻等各参数的最佳匹配,建立了多阶段全弹道规划模型,并采用hp自适应伪谱法将最优控制问题转换为非线性规划问题求解。通过仿真验证了在该指标下滑翔制导炮弹对目标防御的规避效果,分析了影响有效性的因素。与传统弹道规划方法进行对比,证明了所提方法的优越性。

基于hp-RPM的滑翔弹道优化及制导仿真

基于hp自适应Raudu伪谱法研究了滑翔弹的带落角约束的弹道优化以及在线制导问题。hp-RPM方法将连续时间内的轨迹优化问题离散成非线性规划问题求解得到最短滑翔时间的带落角约束的方案弹道。针对滑翔弹在实际飞行过程中由于模型误差和外界干扰而引起偏差,提出了一种基于hp-RPM方法的闭环在线实时制导方法,进行了仿真实验,结果表明,该方法可以有效降低滑翔弹再入飞行过程中的随机误差。

基于伪谱法的神经网络制导控制器设计

针对可重复使用运载火箭(Reusable Launch Vehicle,RLV)再入段制导周期长和弱鲁棒性问题,提出一种基于hp自适应伪谱法的神经网络制导控制器。首先建立RLV再入段的弹道优化模型,利用hp自适应伪谱法离线进行弹道优化,得到有干扰和标准条件下的多条最优弹道数据,构成RLV再入段状态量x、y、z、vx、vy、vz和控制量α、β的样本库;再用样本库训练BP神经网络,得到神经网络制导控制器;最后对RLV再入段进行仿真验证,结果表明:存在初值偏差和环境干扰的条件下,制导周期小于0.01 s且制导误差较小,该控制器鲁棒性强、有工程应用价值。

基于伪谱法的小型超音速无人机轨迹优化

为了提高小型超音速无人机的经济性能,针对配备加力燃烧室导致设计复杂、油耗过大的问题,提出小型无加力燃烧室的超音速无人机.利用马赫俯冲机动突破音障,基于hp自适应伪谱法的最优控制轨迹规划方法,求解达到超音速巡航飞行的最小油耗和最小时间2种轨迹最优化问题.该方法将控制与状态变量离散化,结合无人机飞行的物理过程,将多约束最优控制问题转化为非线性规划问题.将本文与传统飞行方案所得的结果进行比较,分析重要设计参数对最优轨迹的影响.仿真结果表明,利用该方法能够有效地规划出无人机从高亚音速到超音速飞行过程中的可行轨迹,得到的最小油耗、最小爬升时间均优于传统飞行方案,最小油耗降低约11%,最小爬升时间降低约46%.

基于hp自适应伪谱法的智能汽车紧急变道轨迹规划与优化

为了提高智能汽车紧急变道轨迹规划的实时性和适应性,将紧急变道过程分为初始阶段和跟踪阶段,初始阶段的轨迹由优秀驾驶人紧急变道模型产生,跟踪阶段的轨迹采用Sigmoid函数规划出紧急避让路径。首先通过聚类分析处理优秀驾驶人转向操作的实车试验数据,拟合得出紧急变道过程中的方向盘转角随时间的关系(即驾驶人紧急变道模型),作为智能汽车在紧急变道初始阶段不同速度下车辆控制的输入量。然后通过建立与求解约束方程,满足避撞约束、侧向位移约束以及最大侧向加速度约束.得出Sigmoid函数表达式,作为智能汽车在紧急变道过程跟踪阶段的参考路径。最后利用hp自适应伪谱法加入切换点的物理量约束,逼近全局正交多项式的状态量和控制量,自动调整和处理2个阶段的切换点位置和衔接问题.以最小变道距离为目标对跟踪阶段的变道轨迹进行优化。运用PreScan与MATLAB对4种不同工况下的紧急变道轨迹规划进行联合仿真。结果表明:提出的轨迹规划与优化方法在满足各项约束的情况下成功避开障碍物,同时缩短了需要优化的轨迹,优化时间都小于0.9s,并且与基于多项式函数轨迹规划方法相比,该方法能够以距障碍物较远的距离避开障碍物,在不同的车辆速度、道路曲率和障碍物宽度的复杂工况下具有更好的适应性。

基于hp自适应伪谱法的四旋翼无人机编队轨迹优化

四旋翼无人机编队轨迹优化是实现高精度跟踪控制的基础.研究四旋翼无人机编队轨迹优化问题,首先建立非线性四旋翼无人机模型,并对模型进行简化与参数获取;再考虑四旋翼无人机编队之间的避撞约束、状态量约束及控制输入量约束;最后采用可自适应选点的hp自适应伪谱法将最优控制问题转化为非线性规划问题进行求解.仿真结果表明,hp自适应伪谱法对于求解6架四旋翼无人机编队的轨迹优化问题具有良好的效果,能够满足工程实际的约束要求.

基于hp自适应伪谱法的四旋翼无人机编队轨迹优化

四旋翼无人机编队轨迹优化是实现高精度跟踪控制的基础。本文研究四旋翼无人机编队轨迹优化问题,首先建立非线性四旋翼无人机模型,并对模型进行简化与参数获取;再考虑四旋翼无人机编队之间的避撞约束、状态量约束及控制输入量约束;最后采用可自适应选点的hp自适应伪谱法将最优控制问题转化为非线性规划问题进行求解。仿真结果表明,hp自适应伪谱法可以对于求解6架四旋翼无人机编队的轨迹优化问题具有良好的效果,能够满足工程实际的约束要求。

基于hp自适应伪谱法的空间机器人路径规划

针对空间机器人运动过程中基座姿态产生较大扰动的问题,基于hp自适应高斯伪谱法提出了一种以基座所受反作用力矩最小为目标函数的空间机器人路径规划方法.首先,综合考虑空间机器人运动过程中存在的关节角度约束、关节角速度约束、控制力矩约束及初始状态和终端状态约束等约束条件,将空间机器人路径规划问题看成满足一系列约束条件和边界条件并实现特定性能指标最优的最优控制问题.其次,结合hp自适应高斯伪谱法(hp-AGPM)与非线性规划技术,求解带有边界约束和路径约束的优化控制问题,得到满足约束且性能指标最优的空间机器人运动轨迹.最后,以平面2自由度空间机械臂为例对所设计方法进行仿真验证,并与其他伪谱法进行对比分析.仿真结果表明:本文算法能在10.6s的时间内规划出满足各约束条件且容许偏差低于10^(-6)的最优运动轨迹,并且在计算速度和配点数量上都优于其他伪谱法.

基于hp自适应伪谱法的自主泊车路径规划

针对自主泊车路径规划最优控制问题求解收敛速率慢的问题,提出基于hp自适应高斯伪谱法的自主泊车路径规划方法。首先建立车辆运动学模型,并考虑自主泊车过程中避障约束和边界约束,再以泊车时间最短为性能目标函数,将自主泊车路径规划问题转化为最优控制问题。采用高斯伪谱法对最优控制问题进行离散化处理并采用序列二次规划进行求解,在求解过程中通过动态调整网格区间个数和多项式阶数实现提高求解收敛速率。根据实际场景选取4种工况并进行路径规划仿真,并将3种伪谱法进行对比分析,仿真结果表明hp自适应高斯伪谱法能够提升自主泊车路径规划最优控制问题求解收敛速率,同时该算法可以实现在狭窄泊车位内的泊车路径规划,通过实车试验验证提出的方法获得的自主泊车路径的有效性。