飞行器轨迹优化应用遗传算法的参数化与约束处理方法研究

飞行器再入轨迹优化是一类最优控制问题。传统的优化方法存在初始值敏感问题。遗传算法具有较强的鲁棒性，对初值不敏感。但遗传算法是静态优化算法，不能直接用于动态系统的最优控制问题。为了设计染色体，需要将最优控制问题通过参数化方法转化为静态优化问题。为了设计合适的适应度函数，约束处理是飞行器轨迹进行遗传搜索时必需解决的问题。以可重复使用运载器再入轨迹优化为例，研究了各种参数化方法和罚函数方法的应用，探讨了飞行器轨迹优化中的染色体和适应度函数设计。仿真结果表明直接离散方法和动态罚函数法有较好的性能。     

高超声速伸缩式变形飞行器再入轨迹快速优化

针对高超声速变形飞行器再入轨迹优化问题, 研究了一种基于改进高斯伪谱法(Gauss pseudospectral method, GPM)的快速优化方法。首先,针对一种采用伸缩式机翼的高超声速变形飞行器, 建立了将展长变形量扩展成为控制变量的再入轨迹优化模型。其次, 采用GPM将轨迹优化问题转化为非线性规划(nonlinear programming, NLP)问题, 并基于NLP偏导数的稀疏性推导目标函数梯度和约束Jacobian矩阵的高效计算方法。最后, 优化求解了变形飞行器的最大横向航程、再入可达区、最大终端速度和最小飞行时间。仿真结果表明, 推导的梯度计算方法可有效提高优化求解效率, 变形飞行器相对于固定外形飞行器的性能更加优越, 最大横向航程、可达区覆盖范围、最大终端速度和最小飞行时间等指标均有显著提升。     

利用高斯伪谱法求解具有最大横程的再入轨迹

为了使升力式飞行器再入大气层后取得最大横程,采用高斯伪谱方法求解最优再入轨迹。利用微分形式高斯伪谱方法将飞行器三自由度再入轨迹优化问题转化为非线性规划问题,选取高斯节点上的状态量和控制量作为待优化参数,并将最优性能指标选为横程最大,然后对再入轨迹进行了求解。通过与按最大升阻比飞行方案所得结果进行对比,表明按所提方法求取的再入轨迹优于后者。此外,仿真过程还说明高斯伪谱法对状态猜测值并不敏感,算法容易收敛,适用于轨迹优化问题的求解。     

可重复使用运载器再入弹道仿真

针对RLV再入特点,应用反馈线性化与模型预测控制相结合,设计了基于控制角与控制力矩间全反馈(非时标分离)条件下的反馈线性化控制器,实现了以控制增量做为优化变量、考虑模型状态和输入约束的模型预测控制器设计,解决了RLV再入模型的多变量耦合、参数不确定等非线性控制问题的平滑控制.最后在Simulink环境下建立了RLV再入仿真模型,应用RtFly快速原型系统完成了再入模型六自由度弹道实时仿真,仿真结果验证了该控制器能够较好跟踪制导参数,满足控制器设计指标和系统实时性要求.     

再入机动飞行器最优轨迹设计与跟踪

提出了一种再入机动飞行器（maneuvering reentry vehicle, MRV）的最优制导与控制方案。针对MRV再入机动轨迹优化问题,提出了新的基于Gauss伪谱优化方法的分段优化策略;由产生的最优参考轨迹,生成系统的外环最优制导指令。接着利用轨迹线性化控制（trajectory linearization control, TLC）方法设计系统的内环控制律。基于MRV完整的非线性六自由度模型,仿真表明提出的再入轨迹优化设计方法是有效的,而且内环TLC控制器可以准确地跟踪外环的最优制导指令和最优轨迹,并对系统未建模特性和参数不确定性具有一定的鲁棒性能。     

再入飞行器深度确定性策略梯度制导方法研究

为解决传统再入飞行器轨迹制导方法对强扰动条件适应性不足, 难以满足终端约束的问题, 在深度确定性策略梯度学习框架基础上, 通过对随机强扰动条件下的离线飞行轨迹进行网络训练, 寻找不同环境影响条件下的最优动作网络, 以用于在线干扰条件下的制导轨迹规划, 可通过对再入飞行攻角和倾侧角剖面的周期性预测, 满足再入飞行终端高度、航程和速度约束。仿真实验结果表明: 在满足终端高度约束的条件下, 最大终端剩余航程偏差小于500 m, 最大终端速度偏差小于35 m/s。本文所提制导方法较传统跟踪制导方法有较大的精度提升, 算法计算量小, 具有较好的工程应用前景。     

可重复使用运载器多约束鲁棒预测校正制导

针对可重复使用运载器(reusable launch vehicle, RLV)再入段常规约束、航路点约束、倾侧角速率约束和参数不确定问题, 提出一种多约束鲁棒预测校正制导方法。首先, 利用改进准平衡滑翔条件将常规约束转化为倾侧角幅值约束。其次, 提出基于二分法快速迭代确定倾侧角翻转位置的航路点制导律, 并将翻转速率约束转化为关于能量的约束, 引入预测校正的计算中。然后, 对于参数不确定鲁棒制导问题, 提出基于标称升阻比和能量剖面对迎角及横程误差走廊在线调整的策略。仿真实验表明, 在参数不确定情况下, RLV能够满足多约束条件和终端制导精度要求, 验证了方法的有效性和鲁棒性。     

高可靠性再入轨迹快速规划方法

提出一种高可靠性再入参考轨迹快速规划方法。在参考轨迹生成过程中,如果飞行路径角变化率不足够小,拟平衡滑翔条件(quasi equilibrium glide condition, QEGC)的应用前提得不到保证,利用QEGC所得的倾斜角剖面不保守,从而导致生成的参考轨迹有穿越再入走廊的风险。为得到高可靠性再入轨迹,在倾斜角搜索过程中,除了使再入参考轨迹满足路径约束与终端约束外,同时将QEGC的应用前提“飞行路径角及其变化率为小量”作为倾斜角搜索的一项约束。计算结果表明所提方法能够保证再入轨迹的可靠性,同时基于QEGC规划方法的适应性得到保留。     

高超声速飞行器再入过程改进气动系数模型

针对高超声速飞行器再入过程气动系数模型和参数辨识问题,基于公开的气动系数数据,综合考虑攻角和马赫数两个主要因素,分析了气动系数与二者的函数关系,建立了高超声速飞行器的改进升力系数和阻力系数模型,采用非线性最小二乘法进行模型参数辨识,得到参数辨识结果。将已知的气动数据与改进气动系数模型计算值进行对比,升力系数和阻力系数的相对误差平均值均小于5.10%,表明所建立的改进气动系数模型具有较高的精度,可以用于高超声速飞行器再入轨迹优化和仿真。     

临近空间无人飞行器再入轨迹快速优化及跟踪

为适应临近空间无人飞行器再入返回时高动态、强约束的特点,提出了一种轨迹快速优化方法:将再入参考轨迹优化问题转化为多维非线性规划问题,并通过SQP方法求解.轨迹优化时将参考阻力加速度曲线表示成能量的分段线性函数,并通过推导得到航程预测和总吸热量的解析表达式,避免了传统优化过程中的积分计算,提高了优化速度.轨迹跟踪时采用反馈线性化方法得到制导律,并借助轨迹在线更新技术补偿跟踪误差,使得制导精度大大提高.     

基于隐式基因混合遗传算法的多脉冲交会导引

针对航天器交会远程导引段时间非固定多脉冲轨道转移问题,研究多约束条件下且脉冲数未知的共面椭圆交会燃料最省导引律设计。因不同脉冲数将造成多脉冲优化问题求解变量和约束条件个数随之变化,为此在遗传算法中引入隐式基因使得种群中样本个体的基因具有长度可变特性,在单层迭代框架下可同时解出最优脉冲数和脉冲矢量。为进一步改善性能指标还将端点滑行时间作为优化变量,使得在最佳转移时刻进行离轨脉冲作用。寻优过程首先由遗传算法给出设计变量估计值,再由序列二次规划(sequential quadratic programming,SQP)求解全局最优解。最后基于主矢量和最优控制判据,表明所设计的含隐式基因混合遗传算法是求解复杂问题的有效全局优化方法,可解决一类优化变量个数可变的最优多脉冲远程导引律设计问题。     

载人飞船月地返回轨道优化设计与特性分析

针对载人飞船月地返回飞行任务,提出一种基于双重优化算法的两层串行求解策略。轨道初步设计阶段,在改进的双二体模型下采用差分进化算法与序列二次规划算法相互补的双重优化算法进行轨道初值的求解。高精度修正阶段,在高精度模型下利用序列二次规划算法修正了初步设计的结果。仿真算例的结果验证了该策略的有效性和可行性,并显示出求解精度高、收敛性好的特点。最后,利用该方法进行了大量的仿真计算,对月地返回轨道可达域、速度增量等轨道特性展开了分析。     

基于改进遗传算法的影像中心布局优化方法

针对影像中心现有布局优化方法自动化水平低、受个人主观意愿影响较大等问题,提出运用系统布置方法(systematic layout planning,SLP)和改进遗传算法相结合的方法对布局进行优化。利用SLP生成的布局方案改善遗传算法的初始种群,增加初始种群多样性;从遗传进化代数和个体适应函数值2个方面实现遗传参数自适应调节,提高其寻优效率。在西安某影像中心布置区域模型和多目标优化数学模型的基础上,运用改进后遗传算法对西安某影像中心布局优化问题进行了仿真实验。实验结果证明：该算法在求解影像中心布局优化问题时比传统遗传算法或蚁群算法速度更快、效果更好。提高了影像中心布局优化的自动化水平,为建筑设计人员提供合理的参考方案。     

基于滚动时域控制的再入轨迹跟踪制导律

为了提高再入制导的实时性和鲁棒性,设计一种标准轨迹跟踪制导方法。首先将参考轨迹的跟踪问题转化为轨迹状态调节问题,进一步转化为一个线性时变系统的最优控制问题;然后采用滚动时域控制结合基于间接Legendre伪谱法的最优反馈控制算法设计出一种易于在线实现的制导律。基于上述工作完成了亚轨道飞行器（suborbital reusable launch vehicle, SRLV）返回制导过程的3自由度数值仿真研究工作。数值算例说明,该制导方法在初始点状态存在较大范围偏差和气动参数存在较大误差的情况下具有良好的鲁棒性。     

多约束条件下非连续助推弹道方案设计与优化

研究了考虑动压、过载、控制量以及终端状态等多约束条件下的非连续助推弹道方案设计与优化问题。首先,结合最优控制理论,推导了脉冲作用期间的飞行程序;然后,在综合考虑弹道约束条件的基础上,合理设计非连续助推弹道方案;最后,针对经典粒子群算法收敛速度慢、易陷入局部最优解的缺点,采取了惯性权重自适应变化及扰动策略,以适应复杂弹道优化问题。仿真算例及结果表明,设计的非连续助推弹道方案能够满足各项约束,改进的粒子群算法能有效解决多约束下非连续助推弹道优化问题,优化方案的射程比原方案提高了6.69%,比连续助推弹道提高了14.09%,优势较明显。     

基于混合遗传算法的配电网络重构优化

以网损最小为目标函数,电压降、线路电流值和电源容量的限制为约束条件,建立了配电网络重构优化数学模型,用外部惩罚函数法将该问题转化为无约束问题.针对遗传算法的局限性,对适应函数进行了调整,实施了最优保留策略,改进了交叉和变异操作,并结合了模拟退火算法,从而形成了混合遗传算法,该算法能够有效地提高收敛速度,避免早熟收敛.优化过程中考虑了配电网自身特点,提高了计算效率.重构算例说明,该优化方法有效、实用.     

求解同顺序加工调度问题的一种改进遗传算法

同顺序加工调度问题是一类典型的 NP-hard问题 ,具有广泛的工程背景 ,该问题的研究具有重要的理论意义和工程价值 ,同时开发有效的优化算法一直是该领域的热门课题 .结合启发式和随机方法产生初始解 ,对种群进行分解并用多种交叉操作进行进化 ,在整体替换后用模拟退火的 Metropo-lis抽样过程代替变异操作 ,本文提出了一种改进的遗传算法 ,算法保证了初始种群一定的质量和多样性 ,多种交叉操作有利于丰富搜索行为 ,在温度控制下的抽样过程成为概率可控的变异操作且搜索行为一定程度上可控 .基于典型算例的仿真研究验证了改进遗传算法的有效性和较好的初值鲁棒性 ,其优化质量大大优于传统遗传算法和著名的 NEH启发式方法 .     

基于自校正MPC的舰载机着舰控制技术

针对模型参数不准确条件下的全自动着舰控制技术进行了研究,设计了一种基于保辛伪谱算法(symplectic pseudospectral method,SP)和带遗忘因子递推最小二乘法(recursive least squares with forgetting factor,FFRLS)的舰载机着舰自校正模型预测控制...