基于高斯伪谱法的高超声速飞行器再入制导研究

针对高超声速飞行器再入标准轨迹制导方法中存在的制导准备周期长、弹上需存储标准轨迹参数、制导鲁棒性较差等缺点,提出一种基于高斯伪谱法与滚动时域控制技术相结合的高超声速飞行器再入预测-校正制导方案;其中,在线高斯伪谱法采用纵/侧向结合、全程一体化的制导算法思路,实现了对高超声速飞行器再入弹道的全程预测制导;同时结合滚动时域控制技术从工程上实现了高超声速飞行器再入制导中对开环制导信息的闭环应用,完成了飞行器预测-校正制导方案;通过对高超声速飞行器再入制导过程进行仿真分析,结果表明应用文章设计的基于高斯伪谱法与滚动时域控制技术相结合的高超声速飞行器再入预测-校正制导方案,飞行器再入过程中具有良好的制导性能。     

基于伪谱法的自由采样实时最优反馈控制及应用

利用高斯伪谱法收敛速率快、精度高的特点,基于通用伪谱优化软件包在线求解非线性系统的最优控制问题.将伪谱反馈控制理论与非线性最优控制理论结合起来,给出了一种自由采样实时最优反馈控制算法,该算法通过连续在线生成开环最优控制的方式提供闭环反馈.考虑计算误差、模型参数不确定性和干扰的作用,假定系统状态方程右侧的非线性向量函数关于状态、控制和系统参数是Lipschitz连续的,利用Bellman最优性原理对闭环控制系统的有界稳定性进行了分析和理论证明.最后,以高超声速再入飞行器为应用对象,研究了其再入制导问题,仿真结果验证了该算法的可行性和有效性.     

基于Gauss伪谱法的飞机最优目标瞄准控制

为实现战对抗时对逃逸目标的最优瞄准,提出了一种基于高斯伪谱法(GPM)的控制方法。建立了考虑敏捷性、多约束的飞机动态方程,推导了两阶段目标瞄准条件表达式,并设计优化指标,在此基础上将飞机最优瞄准概括为带约束终端时间未知的多阶最优控制问题。利用高斯伪谱法将此连续的边值最优控制问题离散并转化为等价的非线性规划(NLP)问题,通过遗传算法(GA)解算其初值,并应用序列二次规划(SQP)算法求解。仿真结果表明：所设计的控制方法能有效实现对目标的瞄准,满足武器发射条件。     

基于Radau伪谱法的重复使用运载器再入轨迹优化

为了提高数值解法的收敛速度,本文利用Radau伪谱法求解重复使用运载器的再入轨迹优化问题.该方法在一组Legendre-Gauss-Radau点上构造全局Lagrange插值多项式对状态变量和控制变量进行逼近,在动力学方程中状态变量对时间的导数可由插值多项式的导数来近似,故可将动力学方程约束转化为在Legendre-Gauss-Radau点上的代数微分方程约束.因此,可将连续时间的最优控制问题转化为有限维的非线性规划(NLP)问题,之后通过稀疏NLP求解器SNOPT即可对其进行求解.最后的仿真结果显示,通过该方法优化后的再入轨迹成功满足过程约束与边界约束.由于该方法的高效率和高精度特性,可将其应用于轨迹快速优化工程实际问题中.     

基于伪谱法的滑翔轨迹多级迭代优化策略

伪谱法可实时求解具有高度非线性动态特性的飞行器最优轨迹;以X-51A相似飞行器模型为研究对象,采用增量法与查表插值建立纵向气动力模型,伪谱法与序列二次规划算法求解滑翔轨迹最优控制问题;提出使用多级迭代优化策略,为序列二次规划算法求解伪谱法参数化得到的大规模非线性规划问题提供初值,弥补序列二次规划算法在求解大规模非线性规划问题过程中,出现的初值敏感、收敛速度减慢等问题。通过与传统方法求解出的状态量与控制量仿真飞行状态进行对比,证明了多级迭代优化策略的有效性和高效性,该策略在实际工程应用中取得了良好效果。     

无级变速器车辆经济性巡航策略的伪谱法优化

汽车行驶过程中的油耗不仅同车辆自身性能相关,也取决于驾驶员的操作方式.本文研究了装备无级变速器和汽油发动机的车辆的经济性巡航策略.首先建立了车辆纵向动力学模型和发动机油耗模型,将经济性巡航策略的辨识构建为一个最优控制问题.该问题的性能函数呈现高阶非线性且存在凹弧段,是一个典型的奇异最优控制问题.因此采用Legendre伪谱法进行求解.结果显示:当平均巡航速度较低或较高时,应采取匀速(CS)行驶策略;当中速时,"加速滑行"(PnG)策略更为经济,相对匀速策略最大节油率达13%.最后探讨了PnG策略的节油机理、经济性与舒适性的关系.     

基于伪谱法的双摆吊车时间最优消摆轨迹规划策略

在工业生产过程中,桥式吊车系统经常会体现出双摆系统的特性,导致更多欠驱动状态量的出现,增大控制难度.基于此,论文提出了一种针对双摆桥式吊车系统的时间最优轨迹规划方法,可以得到全局时间最优且具有消摆能力的轨迹.具体而言,为方便地构造以时间为代价函数的优化问题,首先对系统运动学模型进行相应的变换;在此基础上,考虑包括两级摆角及台车速度和加速度上限值在内的多种约束,构造出相应的优化问题;然后,利用高斯伪谱法(Gauss-pseudospectral method, GPM)将该带约束的优化问题转化为更易于求解的非线性规划问题,且在转化过程中,可以非常方便地考虑轨迹约束.求解该非线性规划问题,即可得到时间最优的台车轨迹.不同于已有的大多数方法,该方法可获得全局时间最优的结果.最后,通过仿真与实验结果验证了这种时间最优轨迹规划方法具有满意的控制性能.     

挡位离散型车辆经济性加速策略的伪谱法优化

加速过程中, 车辆的油耗与驾驶员的操作策略密切相关. 本文通过最优控制方法定量化地研究了挡位离散型车辆的经济性加速策略. 将加速策略的辨识构建为一个Bolza型最优控制问题(Optimal control problem, OCP), 设计了考虑加速距离影响的经济性定量评价指标. 该问题含有离散型控制变量, 隶属于混合整型最优控制问题, 且性能函数和状态方程呈现强非线性. 为高效地求解该问题, 结合变速器挡位切换规律, 将该整型问题转化为多段光滑问题的协同优化, 采用Legendre伪谱拼接法实现变速器挡位、换挡时机、发动机力矩的数值求解. 解析分析了经济性加速策略的形成机理, 总结了实用化的经济性加速度选择策略和挡位切换规律. 仿真验证了所求策略的节油潜力.     

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。     

基于伪谱法的翼伞系统归航轨迹容错设计

针对翼伞系统在归航过程中,控制电机工作异常致使控制性能发生变化,无法按原有规划轨迹到达目标点的问题,提出一种基于Gauss伪谱法的归航轨迹容错设计方法.首先根据翼伞系统控制特性的不同,分别建立了正常和单电机异常工作状态下的质点模型,并根据伞形参数确定了两种工作状态下的约束条件和目标函数;其次,利用Gauss伪谱法分别对两种工作状态下轨迹规划的最优控制问题求解,获得翼伞系统不同状态下的最优飞行轨迹.仿真结果表明,在约束情况下,翼伞系统无论在正常和单电机异常工作时都可以顺利到达目标点,获得高精度的飞行轨迹.     

自主泊车的全联立动态优化方法

本文提出联立框架下的自主泊车动态优化方法.不同于通常采用的几何方法,该联立方法对障碍环境和车辆模型进行统一的描述和处理.提出基于互补约束的数学规划方法(MPCC)与R函数方法描述泊车过程的避障条件约束,并联立车辆的运动学、动力学、相关物理约束建立行车系统模型;在此基础上以运动学相关的最短时间为优化目标,构造泊车轨迹动态优化命题;基于有限元正交配置离散化方法实现该动态问题的精确求解,得到具有时间信息的、可直接用于指导车辆操作的泊车轨迹.多种泊车位情形下的数值试验验证了本文方法的有效性.     

最优控制问题的Legendre 伪谱法求解及其应用

伪谱法通过全局插值多项式参数化状态和控制变量,将最优控制问题(OCP)转化为非线性规划问题(NLP)进行求解,是一类具有更高求解效率的直接法。总结Legendre伪谱法转化Bolza型最优控制问题的基本框架,推导OCP伴随变量与NLP问题KKT乘子的映射关系,建立基于拟牛顿法的LGL配点数值计算方法,并针对非光滑系统,进一步研究分段伪谱逼近策略。基于上述理论开发通用OCP求解器,并对3个典型最优控制问题进行求解,结果表明了所提出方法和求解器的有效性。     

基于改进分段Gauss伪谱法的带推力高超声速 飞行器再入轨迹规划

再入轨迹规划是高超声速飞行器领域的热点问题,已吸引了众多国内外专家的关注. Gauss伪谱法以及分段Gauss伪谱法是解决含有多约束轨迹规划问题的一类有效工具.然而,发动机多次点火熄火导致推力不连续以及点火时刻控制输入的连续性要求是带推力高超声速飞行器再入轨迹优化面临的新挑战.本文将问题简化为多脉冲再入轨迹规划问题,基于改进分段Gauss伪谱法生成满足多条件约束的最优再入轨迹.通过设置分段Gauss伪谱法连续性条件,确保飞行器状态与控制输入在分段点处连续衔接.通过无动力自由再入与带推力再入算例对改进分段Gauss伪谱法进行说明,仿真结果也表明,改进分段Gauss伪谱法可有效求解带推力高超声速飞行器再入轨迹规划.     

A novel trajectory planning strategy for aircraft emergency landing using Gauss pseudospectral method

To improve the survivability during an emergency situation, an algorithm for aircraft forced landing trajectory planning is proposed. The method integrates damaged aircraft modelling and trajectory planning into an optimal control framework, in order to deal with the complex aircraft flight dynamics, a solving strategy based on Gauss pseudospetral method （GPM） is presented. A 3-DOF nonlinear mass-point model taking into account the wind is developed to approximate the aircraft flight dynamics after loss of thrust. The solution minimizes the forced landing duration, with respect to the constraints that translate the changed dynamics, flight envelope limitation and operational safety requirements. The GPM is used to convert the trajectory planning problem to a nonlinear programming problem （NLP）, which is solved by sequential quadratic programming algorithm. Simulation results show that the proposed algorithm can generate the minimum-time forced landing trajectory in event of engine-out with high efficiency and precision.     

动态环境的人工免疫网络多Agent优化策略

基于生物免疫网络的核心思想及多Agent技术,提出了动态环境下的人工免疫网络多Agent优化策略（Dmaopt—aiNet）．该策略以搜索动态环境中的全局最优解为目标,引入了邻域克隆选择、邻域竞争和协作操作,并同时对Agent自信度状态作自动调整,在优化策略中采用了双重Agent网络结构、双重变异及动态环境检测策略．理论分析了Dmaopt—aiNet算法具有全局收敛性,实验结果表明该算法对高维动态优化问题具有较突出的优越性,能准确定位动态环境下的最优解,具有较好的搜索效果和效率．     

A discrete dynamic convexized method for VLSI circuit partitioning

In this paper, we consider the circuit partitioning problem, which is a fundamental problem in computer-aided design of very large-scale-integrated circuits. We formulate the problem as an equivalent constrained integer programming problem by constructing an auxiliary function. A global search method, entitled the dynamic convexized method, is developed for the integer programming problem. We modify the Fiduccia–Mattheyses (FM) algorithm, which is a fundamental partitioning algorithm for the circuit partitioning problem, to minimize the auxiliary function. We show both computationally and theoretically that our method can escape successfully from previous discrete local minimizers by taking increasing values of a parameter. Experimental results on ACM/SIGDA and ISPD98 benchmarks show up to 58% improvements over the well-known FM algorithm in terms of the best cutsize. Furthermore, we integrate the algorithm with the state-of-the-art practical multilevel partitioner MLPart. Experiments on the same set of benchmarks show that the solutions obtained in this way has 3–7% improvements over that of the MLPart.     

基于动态学习策略的群集蜘蛛优化算法

为了提高群集蜘蛛优化(SSO) 算法的性能, 提出一种基于动态学习策略的群集蜘蛛优化(DSSO) 算法. 该算法通过群体协作过程中学习因子的动态选择, 平衡算法的搜索能力和勘探能力; 采用随机交叉策略和云模型改进协作过程个体更新方式, 在维持种群多样性的同时尽量提高收敛速度. 基于标准测试函数的仿真实验表明, DSSO 算法可有效避免早熟收敛, 在收敛速度和收敛精度上较标准SSO 算法和其余4 种较具代表性的优化算法均有显著提高.

     

Simultaneous dynamic optimization: A trajectory planning method for nonholonomic car-like robots

Trajectory planning in robotics refers to the process of finding a motion law that enables a robot to reach its terminal configuration, with some predefined requirements considered at the same time. This study focuses on planning the time-optimal trajectories for car-like robots. We formulate a dynamic optimization problem, where the kinematic principles are accurately described through differential equations and the constraints are strictly expressed using algebraic inequalities. The formulated dynamic optimization problem is then solved by an interior-point-method-based simultaneous approach. Compared with the prevailing methods in the field of trajectory planning, our proposed method can handle various user-specified requirements and different optimization objectives in a unified manner. Simulation results indicate that our proposal efficiently deals with different kinds of physical constraints, terminal conditions and collision-avoidance requirements that are imposed on the trajectory planning mission. Moreover, we utilize a Hamiltonian-based optimality index to evaluate how close an obtained solution is to being optimal.