基于hp自适应Radau伪谱法的再入飞行器轨迹优化

全局伪谱方法在解决平滑最优控制问题时具有指数级收敛速度,但对于状态变量震荡的最优控制问题往往难以在短时间内取得满意解。飞行器机动再入轨迹通常为震荡形式,因此设计了hp自适应Radau伪谱算法(hp-RPM)求解再入最优轨迹。hp-RPM以相对曲率作为判据,将震荡轨迹划分为多个平滑子区间,在每个子区间内采用低阶插值多项式逼近最优轨迹,以提高算法效率、估计精度和解的最优性。仿真结果表明,hp-RPM方法在算法效率、估计精度、解的最优性上,较全局Radau伪谱方法均有较大程度的提高。     

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。     

基于表格形气动数据的滑翔飞行器轨迹优化

高精度的气动测力数据通常以表格形式给出.针对滑翔飞行器轨迹优化中表格形式气动数据的拟合问题,提出一种二维平滑保形拟合方法.首先对气动数据进行一维平滑保形拟合,接着采用张量积方法进行拟合维度的扩展.典型表格形式气动数据的拟合效果表明,在给定的拟合精度约束下,方法拟合的曲面二阶连续可导,并保持表格数据呈现出的单调性.采用该方法拟合的气动数据建立轨迹优化模型,采用自适应Legendre-Gauss-Radau配点法进行轨迹优化,以优化得到的最优弹道俯仰角作为开环控制指令进行弹道仿真,仿真结果与最优弹道的整体吻合度很高.      

求解复杂约束条件下最优控制问题的分段低阶Gauss伪谱法

针对含有复杂约束条件的最优控制问题,提出分段低阶Gauss伪谱法。以常规Gauss伪谱法为基础,划分时间区间,在子区间上利用低阶Gauss数值积分离散Bolza型性能指标,利用插值型数值积分的性质离散状态微分方程,利用低阶Gauss伪谱法处理复杂约束条件,得到对应的非线性规划。对状态轨线或控制函数较复杂的情形,该方法克服了传统Gauss伪谱法直接在时间区间上配置Gauss点,插值多项式阶数高、数值解不稳定的缺陷,并且数值解局部代数精度高、计算量小。最后将该方法应用于求解飞行器对地打击轨迹规划最优控制问题,结果表明算法有效可行。     

基于改进高斯伪谱法的多无人机协同轨迹规划

针对当前伪谱法求解无人机轨迹存在的计算量大、运算时间长以及难以保证最优性等问题,提出了将粒子群算法与高斯伪谱法相结合的改进方法。首先,使用粒子群算法进行航迹预规划,保证近似最优解的快速实现;其次,针对高斯伪谱法配点的相对位置选取,对粒子群预规划的航迹点做拟合处理,并以此作为高斯伪谱法的初始参考指令,从而解决伪谱法的初值敏感问题,加快优化算法的收敛速度。最后,综合考虑无人机编队性能指标、飞行环境以及协同飞行约束等进行实验。实验结果验证了初值选取的重要性,同时表明了所设计算法可提升解的最优性与收敛速度。研究结果可为多无人机协同飞行控制快速规划出多维度、高精度的引导指令,对实现智能自主化飞行有一定参考价值。     

基于Legendre伪谱法的3D刚体摆姿态轨迹跟踪控制

研究3D刚体摆在有初始扰动情况下的姿态运动最优控制问题。结合3D刚体摆转动的姿态与角速度特点, 针对外部扰动设计闭环反馈姿态跟踪控制器。首先, 利用Legendre伪谱法规划出3D刚体摆开环的姿态运动轨迹。然后, 将系统的运动方程线性化, 并以3D刚体摆的实际运动姿态轨迹与参考运动姿态轨迹之间的差值作为控制量, 将姿态跟踪问题转换为线性时变系统的姿态调节问题。最后, 对基于 Legendre 伪谱法的3D刚体摆姿态最优控制的闭环控制方法进行仿真分析, 验证在具有初始扰动情况下算法的有效性。     

基于自适应遗传算法的无人机轨迹优化

针对目前无人机爬升轨迹优化算法存在的收敛速度慢、容易陷入局部最优解等问题,提出了一种基于自适应遗传算法的爬升轨迹优化方法。首先,结合无人机爬升阶段的运动方程和性能指标给出爬升段轨迹的优化模型。其次,为提高染色体的多样性和算法的收敛速度,对自适应遗传算法做了相应改进,使其更适合用于爬升轨迹的优化。最后,根据无人机爬升段轨迹特点,给出具体优化步骤,并对某型无人机爬升段轨迹做了优化仿真验证,结果表明所提出的方法能够在一定程度上节省运营成本。     

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。     

助推-滑翔无动力跳跃飞行器轨迹预测

针对助推-滑翔无动力跳跃飞行器再入拉起后升阻比大小较为稳定的特点,设计了基于稳定升阻比的轨迹预测算法。首先对目标的弹道特性进行了分析,鉴于其再入后特有的跳跃拉升现象,将再入拉起时刻确定为轨迹预测算法的起始时刻;其次,根据防御方已知信息和未知信息对飞行器跳跃段运动方程进行了转化,给出了转化后运动方程中未知参量的计算方法,并设计了基于转化后运动方程的轨迹预测流程及算法;最后对算法进行了仿真验证,仿真结果表明所设计预测算法对助推-滑翔无动力跳跃飞行器再入拉起后的轨迹具有较好的预测能力。     

滑翔高速飞行器自适应滑模控制器设计

滑翔高速飞行器飞行速率高、飞行环境特殊,具有强耦合、强非线性和强时变的特点. 针对这些特点带来的控制问题,首先对滑翔高速飞行器模型进行了线性化处理;其次利用滑模变结构控制理论设计了滑模控制器;最后将滑模控制器与在线参数估计器组合,设计了滑翔高速飞行器自适应滑模控制器. 仿真结果表明,设计的自适应滑模控制器能够满足滑翔高速飞行器的动态性能指标要求,具有较强的可靠性、适应性和鲁棒性.     

基于Gauss伪谱法的平流层飞艇上升段航迹规划

引入净浮力计算方法,完善了平流层飞艇航迹规划问题的数学模型,并通过对其飞行过程的分析,得出了模型的目标函数和约束条件.基于Gauss伪谱法对时间最少和能量最省2种情况下的平流层飞艇上升段航迹进行了规划.仿真结果表明,飞艇的最短上升时间为2 913.6 s, 在时间允许的情况下飞艇可以实现零耗能升空.仿真结果可为平流层飞艇的总体设计提供有益参考.     

基于拟能量的高超声速飞行器再入轨迹优化

考虑高超声速飞行器再入过程总加热量最小,基于拟能量将单段轨迹优化转化为多段轨迹优化问题,采用非等间距控制变量参数化方法对每段轨迹分别优化.高超声速飞行器再入轨迹必须满足热流率、动压和过载3个约束.通过把控制变量参数化,同时引入时间尺度变换和不等式约束转化方法,将轨迹优化问题转化为含有约束的非线性规划问题.基于拟能量概念,将再入轨迹进行了分段优化,以4段为例进行了仿真,计算时间比单段情况下缩短了约50%.     

利用高斯伪谱法求解升力航天器最优再入轨迹

为了获得升力式航天器再入大气后的飞行轨迹,利用高斯伪谱法求解了同时满足路径约束和终端约束条件下的总吸热量最小再入轨迹。其中,路径约束包括驻点热流峰值约束和最大动压约束;终端约束为高度和位置。选取优化控制变量为迎角和倾斜角。仿真结果表明,高斯伪谱法能够快速优化出满足以上优化性能指标和约束条件的再入轨迹。最后,通过对哈密尔顿函数的分析给出了最优性验证。     

考虑多约束的UCAV对地攻击轨迹规划

针对多约束条件下UCAV对地攻击轨迹规划问题,提出了一种基于Radau伪谱法(RPM)的求解策略。首先,分析并建立UCAV三自由度(3-DOF)质点模型,初始和终端位置、速度、姿态、飞行性能、敌方火力或探测威胁、禁飞区、地形等约束条件模型,构建考虑多约束的UCAV对地攻击轨迹规划模型;在分析RPM求解最优控制问题的基本原理及实现方式的基础上,采用RPM将轨迹规划的最优控制问题转化为非线性规划问题;最后,利用SNOPT软件包求解,并进行了数字仿真。仿真结果表明,该方法能以较高的精度和速度生成满足多种复杂约束要求、连续并且真实可行的最优轨迹。     

基于物理规划的弹道多目标优化

针对加权系数法求解弹道多目标优化问题时不能获取非凸Pareto非劣解,并且主观依赖性严重,难以选取合适的权值的问题,将物理规划引入弹道多目标优化中,建立了基于物理规划的弹道多目标优化模型,详细分析了基于物理规划的弹道多目标优化方法的求解流程,指出了该方法的优点. 最后分别采用加权系数法、最优控制方法以及本文所提方法进行拉平段弹道多目标优化. 优化结果对比研究表明,物理规划法效率更高,结果更好,对初值不敏感,鲁棒性更强,并且有利于获得非凸Pareto非劣解,从而体现了所提方法较强的工程实用价值.      

基于改进遗传算法的电动汽车轨迹优化方法

在复杂障碍物环境中的轨迹规划方法是电动汽车智能辅助驾驶技术的一个重要研究内容.为了使得电动汽车能够在高速行驶工况下平稳转向行驶,提出了一种基于改进遗传算法的轨迹优化方法.本文基于五次多项式进行轨迹规划,用改进遗传算法对五次多项式的参数进行优化,使得规划轨迹满足车辆的动力学约束条件,从而使得优化后轨迹具有更强的可行性.实车实验结果表明,优化后轨迹比优化前轨迹能够更好地满足动力学约束条件,优化效果明显,车辆在高速行驶工况下按照优化轨迹行驶能够进行平稳转向行驶.     

基于视觉和后推方法的智能车轨迹跟踪控制

通过基于视觉的车道标志线识别系统建立智能车的期望跟踪轨迹,并将智能车运动学模型转换为链式系统模型,同时利用Backstepping方法设计控制律,克服了动态反馈线性化的方法设计的控制器维数较高以及滑模变结构控制器会呈现高频的抖振的缺点。通过仿真试验表明该方法得到了较好的轨迹跟踪控制效果和良好的全局稳定性。