基于协态估计的火箭动力下降邻近最优制导

针对火箭动力下降需要满足精准软着陆的要求,提出一种基于协态估计的邻近最优制导方法。基于一阶最优必要条件,邻近最优制导方法通过在一条参考轨迹附近近似求解最优制导问题,得到闭环线性反馈制导方法。基于序列凸优化方法实现了参考轨迹的设计,由于箭载计算资源的限制以及信赖域约束的引入,在较少迭代次数下得到的参考轨迹协态并不满足一阶必要条件,导致邻近最优制导方法精度下降,因此提出了一种协态估计方法。首先,使用高斯伪谱方法对协态微分方程进行离散;然后,基于哈密尔顿函数为常数的特点,设计了新的、适应性强的性能指标;最后,基于极小值原理提出了协态估计算法。将上述方法应用到火箭动力下降仿真实例中,蒙特卡罗仿真结果表明,该方法在阻力系数偏差、推力加速度偏差和大气密度偏差下具有较好的制导精度与鲁棒性。

大气层内动力下降段的组合干扰补偿制导

可重复使用运载火箭在大气层内的回收着陆依靠气动力和推力完成高精度的定点垂直软着陆。在动力下降段,存在推力偏差、气动模型偏差和风扰动等各种干扰,将降低终端着陆精度并影响性能指标,使制导系统面临抗干扰的难题。为解决该难题,提出了一种组合干扰补偿制导方法,根据干扰是否可建模描述,将干扰分为可模型化的干扰和不可模型化的干扰,分别对这2类干扰进行处理。可模型化的干扰是指可以用模型描述的干扰,考虑将其用于最优制导中来提升性能指标;不可模型化的干扰是指难以用模型描述的干扰,考虑仅实时补偿其对终端约束的不利影响。在组合干扰补偿制导框架中,首先,设计了干扰估计器,用于对2类干扰进行实时估计;然后,设计了邻近最优干扰补偿制导算法,利用可模型化的干扰的估计值对最优制导指令进行实时修正补偿,在保证终端约束条件的前提下,利用可模型化的干扰提升性能指标;最后,设计了终端不变性干扰补偿制导算法,通过计算不可模型化的干扰引起的终端约束摄动,实时补偿不可模型化的干扰对终端约束的不利影响来保证终端不变性。仿真结果表明,所提出的组合干扰补偿制导方法能够在保证终端着陆精度的同时提升性能指标,同时对各种干扰具有较强的鲁棒性。