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。     

基于遗传算法的RLV再入轨迹优化设计

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。利用小生境技术和精英方法改进适应值共享拥挤遗传算法,并将其用于RLV再入轨迹优化设计。以终端时间固定的空间最小控制能量再入轨迹和终端时间自由的平面最小热载再入轨迹为例,详细讨论了遗传算法用于再入轨迹优化设计所需要解决的一些关键问题。仿真结果表明提出的方法能够较快地搜索到全局最优解,对初始猜测值不敏感,能够方便用于RLV的再入轨迹方案选择和优化设计。     

基于改进人工势场法的再入制导方法

针对带有禁飞区的高超声速飞行器再入制导问题，基于改进人工势场法(artificial potential field method, APFM)提出一种再入制导方法。在纵向上，将动压、过载、热流过程约束视为“虚拟障碍”,将终端高度、速度视为“虚拟目标点”进行纵向轨迹设计。然后，改进纵向人工势场函数以适应跳跃式和平衡滑翔式再入两种弹道形式的轨迹设计。为了整体考虑禁飞区对三维轨迹的影响，设计双层预测-校正算法求解待调参数。仿真结果表明，所提出的改进APFM规划方法能够适应不同类型的禁飞区形状，相比现有方法可适应横程需求更大的目标点，参数调节简单，易于工程实现。     

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.     

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。     

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。     

基于奇异摄动的最优滑翔制导律

针对高超声速滑翔式再入飞行器轨迹优化和制导关键技术,设计了一种新型的最优滑翔制导律.首先,通过对再入飞行器运动学、动力学状态变量变化特点的假定,将其进行三个快慢时间尺度的划分;然后,应用最优控制理论分别求解三个不同时间尺度上的子问题,得到其解析解;在此基础上,基于奇异摄动方法,设计出具有闭环反馈形式的最优滑翔制导律;最后,对所求制导律的有效性进行了数学仿真验证.仿真结果表明:该制导律能在三维空间内导引/再入飞行器朝目标方向最远距离滑翔飞行;该算法得出的闭环解析解满足制导过程中实时计算需求,具有工程应用前景.     

基于神经网络动态优化的再入轨迹设计

为解决当飞行器出现破损以及飞行器受干扰时的轨迹优化问题,新一代的再入式飞行器需要有实时在线轨迹优化的能力。神经网络动态优化算法(neural dynamic optimization,NDO)的主要特点是能使神经网络逼近最优解。神经网络动态优化算法可以避免传统的间接法在求解轨迹优化问题时协态变量初值猜测问题。给出了神经网络动态优化的原理,详细介绍了优化流程。仿真结果表明神经网络动态优化算法可以很好的避免协态变量初值猜测问题,具有较强的鲁棒性,能满足实时性要求。     

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。     

基于伪谱方法的自适应鲁棒实时再入制导律研究

为了提高飞行器再入制导的鲁棒性和自适应性,将再入弹道跟踪问题转化为再入弹道状态调节问题,得到了一个LTV系统最优控制问题.在此基础上,利用基于伪谱算法的最优反馈控制算法,设计了一种便于在线实现的自适应鲁棒再入制导律.仿真结果表明,这种再入制导律对于再入点误差不敏感,具有良好的鲁棒陛.在气动参数模型存在较大误差的情况下,依然能够取得较高的再入制导精度.它不需要显示增益调度和积分,并且在不同情况下控制结构和参数无需改变.     

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。     

基于二阶变分的中制导最优弹道修正

针对反临近空间高超声速目标拦截作战过程中的中制导弹道的规划与修正问题,设计了一种最优弹道修正算法。首先分析了在中制导阶段进行弹道规划与弹道修正的必要性,基于庞特里亚金最小值原理给出了基准最优弹道满足的一阶必要性条件,其次将一阶必要性条件进行二阶变分,得到控制量的修正量,利用基准弹道数据,通过逆向积分,将协态变量的偏差量表示为终端约束修正量以及状态变量偏差量的表达式,从而有效解决了协态变量偏差量的获取问题,最后进行了多种情形下的数字仿真,对所提算法进行验证并与高斯伪谱法(Gauss pseudospectral method, GPM)进行对比。结果表明,该方法不仅具有较高的求解精度,并且其求解效率远高于GPM,有利于弹上在线实现。     

不确定条件下无人作战飞机在线攻击轨迹决策

针对无人作战飞机(unmanned combat aerial vehicle, UCAV)对地攻击过程中存在的诸多不确定性因素问题,提出基于滚动时域策略和Gauss伪谱法(Gauss pseudospectral method, GPM)的在线实时攻击轨迹决策算法。算法采用滚动时域的优化策略,将全局优化问题转化为一系列相互叠加但不断向前推进的优化区间,通过滚动更新和反馈校正消除不确定误差,同时降低了所提算法的计算复杂度和对计算资源的需求;综合飞行包线约束,武器投射约束和威胁规避约束,采用GPM完成高精度攻击轨迹求解;采用实时迭代策略提供优化初值,通过自适应目标函数切换引导UCAV迅速规避近距突发威胁。仿真结果表明,所提算法能够有效消除不确定误差,同时以较高的精度和速度生成可行的攻击轨迹。     

Hybrid hierarchical trajectory planning for a fixed-wing UCAV performing air-to-surface multi-target attack

This paper considers the problem of generating a flight trajectory for a single fixed-wing unmanned combat aerial vehicle (UCAV) performing an air-to-surface multi-target attack (A/SMTA) mission using satellite-guided bombs. First, this problem is formulated as a variant of the traveling salesman problem (TSP), called the dynamic-constrained TSP with neighborhoods (DCTSPN). Then, a hierarchical hybrid approach, which partitions the planning algorithm into a roadmap planning layer and an optimal control layer, is proposed to solve the DCTSPN. In the roadmap planning layer, a novel algorithm based on an updatable probabilistic roadmap (PRM) is presented, which operates by randomly sampling a finite set of vehicle states from continuous state space in order to reduce the complicated trajectory planning problem to planning on a finite directed graph. In the optimal control layer, a collision-free state-to-state trajectory planner based on the Gauss pseudospectral method is developed, which can generate both dynamically feasible and optimal flight trajectories. The entire process of solving a DCTSPN consists of two phases. First, in the offline preprocessing phase, the algorithm constructs a PRM, and then converts the original problem into a standard asymmetric TSP (ATSP). Second, in the online querying phase, the costs of directed edges in PRM are updated first, and a fast heuristic searching algorithm is then used to solve the ATSP. Numerical experiments indicate that the algorithm proposed in this paper can generate both feasible and near-optimal solutions quickly for online purposes.     

Progress in reentry trajectory planning for hypersonic vehicle

The reentry trajectory planning for hypersonic vehicles is critical and challenging in the presence of numerous nonlinear equations of motion and path constraints, as well as guaranteed satisfaction of accuracy in meeting all the specified boundary conditions. In the last ten years, many researchers have investigated various strategies to generate a feasible or optimal constrained reentry trajectory for hypersonic vehicles. This paper briefly reviews the new research efforts to promote the capability of reentry trajectory planning. The progress of the onboard reentry trajectory planning, reentry trajectory optimization, and landing footprint is summarized. The main challenges of reentry trajectory planning for hypersonic vehicles are analyzed, focusing on the rapid reentry trajectory optimization, complex geographic constraints, and coop- erative strategies.     

基于升阻比变化规律的再入高超声速滑翔飞行器轨迹预测算法

针对高超声速滑翔飞行器再入拉起后升阻比呈近线性增长的特点,提出一种基于升阻比变化规律的轨迹预测算法。首先对目标运动方程进行分析,发现轨迹预测算法的关键在于能否预测升阻比的大小;然后通过对目标进攻轨迹的仿真得到了升阻比呈近线性增长的规律,给出了升阻比变化函数的形式及拟合方式,并在此基础上设计了轨迹预测算法,最后通过仿真验证了算法的有效性。该算法对反助推-滑翔无动力跳跃飞行器指挥决策问题的研究具有重要意义。