基于高斯伪谱法的滑翔弹道优化算法研究

为了提高滑翔增程制导炮弹方案弹道的优化效率,提出了一种基于高斯伪谱法的方案弹道优化方法。以滑翔时间最短为性能指标,滑翔舵偏角为设计变量,建立了纵向平面内弹道优化模型,采用高斯伪谱法对状态量和控制量进行了离散,将最优控制问题转换为非线性规划问题,并利用序列二次规划法对其进行了求解,仿真结果表明该方法收敛域大,对初值不敏感,优化精度高,可为远程制导炮弹的方案弹道优化设计提供一定的参考。     

基于Radau伪谱法的制导炸弹最优滑翔弹道研究

基于Radau伪谱法求解最优控制问题的原理,研究了滑翔型制导炸弹的最大射程优化问题。对制导炸弹动力学模型进行了无量纲化处理,结合极小值原理推导了最优控制轨迹的解析解和一阶必要性条件,采用Radau伪谱法将弹道优化问题转化为非线性规划问题,基于协态映射原理给出了数值解的最优性验证方法。仿真结果表明,Radau伪谱法能够提供具有工程应用价值的最优解,与常规的最大升阻比滑翔弹道相比,优化后的弹道射程增加10%以上。     

虚拟导引方法在再入滑翔弹道优化中的应用研究

针对飞行器再入大气层后的滑翔弹道,建立了飞行动力学模型,采用设置虚拟目标的导引方法进行优化。提出了几种调控弹道形式和射程的途径,并结合具体算例进行了弹道仿真,具体分析了虚拟目标位置、比例导引系数、攻角等参数对弹道弯曲程度、过载、热流、射程等方面的影响规律,说明综合考虑这些因素可得到理想的弹道优化的结果。     

助推-滑翔导弹弹道优化与总体参数分析

为解决助推-滑翔导弹的弹道设计与性能分析问题,提出了一种分段优化的全弹道设计方法.利用工程估算方法估算导弹的助推器参数,建立了弹道优化模型,将全弹道分为主动段和滑翔弹头飞行段,分段进行弹道优化.采用Gauss伪谱法将弹道优化问题转化为非线性规划问题,采用序列二次规划(SQP)等数值方法进行求解.仿真结果表明,Gauss伪谱法处理此类多阶段多约束的弹道优化问题效果较好,最优弹道起伏较小,控制量变化平滑,各项约束都得到满足.利用弹道优化分析了起飞质量、主动段终端倾角对导弹射程的影响,并与弹道导弹进行了比较,结果表明,助推-滑翔导弹在增程方面具有较大优势.     

基于Gauss伪谱法的滑翔弹道快速优化

针对远程精确制导炮弹弹道优化问题,给出了一种基于Gauss伪谱法的滑翔弹道快速优化方法。以制导炮弹飞行时间为性能指标,考虑一阶动力学滞后,引入虚拟控制量,并将其作为优化变量,为保证攻击效果,对滑翔末端弹道倾角和速度值进行了约束,建立了纵向平面内弹道优化模型。利用Gauss伪谱法对状态量和控制量进行了离散,将最优控制问题转换为非线性规划问题,并利用序列二次规划法对其进行了求解,最后将求解结果与传统的直接打靶法进行了对比。结果表明,该方法具有较高的优化效率,能够快速计算出满足各种约束的滑翔弹道,具有在线优化的潜力。     

复合制导炮弹最优滑翔弹道与控制

研究了制导炮弹最优滑翔弹道与控制问题.建立了滑翔弹道模型,以射程为指标函数,考虑终端速度、高度和弹道倾角约束,采用庞特里亚金极大值原理和共轭梯度法求出控制变量有约束的最优滑翔弹道,简要分析了滑翔增程机理.给出2种纵向通道控制结构,并进行控制参数设计,数值仿真表明2种控制结构均可实现对最优滑翔基准弹道的精确跟踪.     

基于高斯伪谱法的枪榴弹制导算法

针对目前枪榴弹制导算法稀少,传统中大口径弹药的制导方法不适用于枪榴弹制导等方面的问题,提出基于高斯伪谱法的枪榴弹制导算法。该算法利用高斯伪谱法规划出一条最优弹道作为标准弹道,依据实时弹道和标准弹道的偏差生成制导指令。以修正能量和制导精度为指标,对该算法进行仿真验证,结果表明该算法具有修正能量小、制导精度高的特点,易于在枪榴弹上实现与应用。     

具备目标重定向能力的自适应再入制导律

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.仿真结果表明该制导律在改变参考轨迹后依然能够较好地跟踪新的参考弹道,具备较好的动态性能和再入制导精度,而且不需要显示积分和显示增益调度.     

高超声速飞行器多约束再入滑翔机动弹道优化设计

建立了升力体再入滑翔飞行器的气动模型和多约束模型。多约束模型除了包括热流密度、气动过载、动压和终端约束等典型约束外,还建立了更符合实际任务的路径点和禁飞区约束模型,并利用路径点、禁飞区和终端约束划分弹道,在各段分别使用高斯伪谱法进行弹道求解,将多段多约束的最优控制问题转换为非线性规划问题。改进的准平衡滑翔条件保证了弹道平缓。最后通过Matlab仿真计算验证了所用分段高斯伪谱法规划弹道比传统的高斯伪谱法具有更精确的优化结果和更高的优化效率。     

基于伪谱方法的机动弹道优化研究

文中从多约束最优控制的角度对最优机动弹道进行了研究。首先建立无量纲化的弹道动力学方程组并提炼出关键性能参数;其次使用Legendre伪谱方法将多约束的机动弹道优化问题转化为非线性规划问题,并采用序列二次规划方法进行求解。优化算例结果表明文中的优化模型与优化方法是合理可行的。此外,对弹道模型性能参数与最优机动射程之间的关系进行分析,结果表明:最大升阻比对机动射程影响较大,参考升重比对机动射程具有一定影响。     

通用高速飞行器预测校正再入制导方法研究

给出一种适合通用高速飞行器（CAV）的预测校正再入制导方法。首先基于再入高速飞行器三自由度运动模型,研究了再入过程中CAV受到的过程约束。基于准平衡滑翔条件给出了在指定倾侧角下的参考航程的计算方法,并指出当飞行器的初始航程超过参考航程时,可以使用本文给出的方法有效抑制飞行器轨迹在高度上的振荡。为了提高制导精度,不仅给出了精确计算当前倾侧角的方法,也给出了粗略调整终端倾侧角方法。最后仿真验证了制导方法的有效性。     

载人飞船再入大气层的最优轨迹与制导研究

研究了载人飞船以弹道－升力方式再入大气层的最优轨迹和最优反馈增益的基准轨道制导法，组合快速预报法，对两种制导法进行了比较，从而得出了几个重要结论。     

基于导航点改进Gauss伪谱法规划滑翔导弹航迹

为了研究滑翔导弹的航迹规划问题,利用优化理论,规划了多约束条件下导航点之间的航迹。基于导航点位置改进Gauss伪谱法(Gauss pseudospectral method,GPM),利用改进GPM离散控制变量和状态变量,将最优控制问题转化为非线性规划问题,利用改进序列二次规划算法求解。GPM求解分段航迹规划问题,需要迭代获取下段航迹的飞行时间,降低了算法效率。改进GPM能够有效弥补单纯以时间为自变量带来的诸多规划中的不足,具有更为宽泛的优化目标适应能力。算例结果表明,改进后的算法能够准确、高效地规划一条合理的航迹,满足飞行约束条件。     

基于导引原理的比例导引弹道的建立

对目前应用比较广泛的比例导引法的算法误差进行了深入研究,通过分析飞行器在自导段制导系统的工作原理,建立了基于比例导引原理的导引弹道计算公式,并对二维比例导引问题进行弹道仿真,总结了方法误差与比例导引系数和弹目速度比之间的相互关系。通过与龙格—库塔法相比较发现：本文算法的弹道精度有了进一步的提高。     

基于倾侧角反馈控制的预测校正再入制导方法

针对升力式高超声速飞行器再入滑翔制导问题,提出了一种基于倾侧角反馈控制的预测校正制导方法。该算法不依赖于传统的准平衡滑翔条件（QEGC）,能够抑制再入滑翔飞行过程中产生的周期性轨迹震荡现象。纵向制导采用落点预测与指令校正相结合的方法,通过设计倾侧角反馈控制律对飞行器的高度变化率进行实时修正;侧向制导兼顾考虑横程误差和航向角误差对制导指令的影响,设计了一种基于归一化误差走廊的倾侧角反转逻辑,实现了飞行器的侧向运动控制。CAV-H高超声速飞行器制导仿真实例表明, 该制导方法有效地抑制了再入滑翔轨迹的周期性震荡,导引飞行器完成平稳再入飞行。Monte Carlo仿真验证表明,在多种扰动和误差存在的情况下,该制导方法具有良好的鲁棒性。     

比例导引法导引弹道仿真研究

简要介绍了常用的导弹导引规律, 以其中的比例导引法为例, 通过用Simulink进行导引弹道仿真的方法, 分析了比例导引系数、导弹与目标速度的比值等主要弹道参数的变化对弹道的影响, 提出了改进导弹制导控制系统的几点建议.     

基于改进标称轨道法的再入轨迹设计

对航天飞机标准轨道法进行改进,在更新部分D-V剖面、更新整个D-V剖面的基础上,提出第3种剖面更新的方法,以下简称修正标准飞行剖面参数法。该方法在考虑当前飞行时刻的瞬间,平移整个标准飞行剖面,以满足航程要求;采用轨道跟踪控制技术跟踪标准飞行剖面,使得实际航程逼近标准航程;该方法不更新D-V剖面,降低了算法的复杂性,减少计算量并具有较高的制导精度。基于该方法对NASA马歇尔空间飞行中心研究的空天飞行器模型进行再入轨迹设计,仿真结果表明,该方法获得的轨迹不仅能满足过载、热流和动压等过程约束及终端约束,并且轨迹光滑,无跳跃,具备一定的工程应用价值。     

跳跃式再入快速预报校正制导算法研究

针对深空探测跳跃式再入返回飞行任务,提出了一种加速的数值预报校正制导算法,该算法通过在预报过程中对开普勒飞行段进行解析轨道预报,以此提高制导算法的预报和迭代校正速度。考虑到忽略大气影响的解析轨道预报精度问题,加速算法选择了合适的解析预报激活高度,并在一次下降段和一次上升段分别采用加速制导算法和传统预报校正制导算法的分段混合策略,从而实现制导效率与制导精度的综合性能最优。最后,通过蒙特卡洛仿真试验证明了新算法的加速效果非常明显,有利于预报校正算法的在线应用。