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.     

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.     

基于反席卷法的高超声速飞行器最优制导律

针对高超声速飞行器再入制导过程中,对轨迹重新优化产生的大计算量导致难以在线实施的问题,采用逆向席卷法设计了一种实时的标称最优制导律.建立了轨迹优化模型,采用伪谱法求解了满足多种路径约束与终端约束的标称最优轨迹.考虑消除扰动所形成的实际修正轨迹的最优性,采用逆向席卷法推导了存在初始扰动的条件下快速求解最优修正轨迹的反馈控...     

亚轨道飞行器任务中止再入轨迹优化设计

针对亚轨道飞行器上升段由于动力故障任务中止时再入返回的问题,考虑飞行模型简化和故障后的燃料处理方案,通过遗传算法优化设计最优返回轨迹,优化时选取经向飞行航程最远作为性能指标,并采用遗传算法,解决用于再入轨迹优化所涉及的关键问题,并进行仿真。仿真结果表明,方法不但满足飞行器返回过程中加热率、过载、动压约束以及终端状态约束,能够通过飞行航程最远消耗飞行器能量从而安全着陆,而且可以较快地搜索到全局最优解,能够用于亚轨道飞行器故障再入轨迹的优化设计。     

多约束下基于能量耗散的再入轨迹优化设计

研究了多约束条件下的再入轨迹优化设计.引入了能量的概念,以它替代时间作为积分变量,解决了再入过程的时间不确定问题.在此摹础上,依据再入段特性确定出控制变量的大致模型,从而将对最优控制变量的寻找转化为对控制模型参数的优化,使得优化控制易f实现;对过程约束和终端状态约束进行处理,构成性能指标函数的辅助部分,从而将有约束优化问题转化为无约束优化问题,然后用单纯形替换法来求解.仿真结果表明方法能够比较快速地获得一条满足再入约束条件的优化轨迹,且优化算法简单,容易实现,具有较好的工程应用前景.     

高超声速飞行器多约束参考轨迹快速规划算法

针对多约束的高超声速滑翔飞行器的再入轨迹优化时对初值敏感的问题,提出一种参考轨迹快速规划算法。对运动方程进行了无量纲处理并引入适合优化求解的替代变量,通过纵向再入走廊和侧向制导的规划使所有过程约束和终端约束完全满足。仿真结果表明,得到的参考轨迹接近最优解,大幅缩短了后续优化工作所需的时间,具有重要的工程实用价值。     

基于形状法和伪谱法的小推力借力优化研究

小推力借力飞行轨道优化是一个多变量多约束的非线性优化问题,根据形状法和伪谱法,提出一种混合优化策略,分为全局优化和局部优化两个阶段进行。在全局优化阶段采用LT-PGA模型,即通过求解形状法小推力Lambert问题,搜索满足约束条件的小推力发射窗口,得到发射、借力和到达时间点。在局部优化阶段采用伪谱法得到推力控制率,用连接点设置解决借力行星处状态量的不连续问题。数值仿真结果表明,改进方法不用事先指定推力开关机序列,优化效率高,为初始设计阶段小推力借力飞行的轨道优化问题提供有益参考。     

基于APSO的微纳卫星编队轨迹规划方法

针对微纳卫星编队在指定时间内由初始构型到指定构型的路径规划问题,提出了一种基于自适应惯性权重粒子群优化(adaptive-inertial-weightedparticleswarmoptimization,APSO)算法的轨迹规划方法。首先,通过Radau伪谱法将轨迹规划的连续最优控制问题离散化为参数优化的非线性规划(nonlinear programming, NLP)问题;其次,采用APSO算法对NLP问题求解,避免了复杂梯度求解困难的问题,同时降低了计算量;最后,通过仿真实验表明,所提方法可在更短时间内求得满足约束条件的最优轨迹,以完成在线轨迹规划任务。     

hp自适应RPM在四旋翼无人机轨迹优化中的应用

通过分析四旋翼无人机动力学模型并获取实际参数,利用hp自适应Radau伪谱法(Radau pseudospectral method RPM)优化四旋翼无人机避障轨迹。hp自适应RPM利用Legendre-Gauss-Radau(LGR)点将连续最优控制问题转化为非线性规划问题,根据不同点处的误差进行自适应的细化区间或增加配点,以最快的速度逼近状态变量和控制变量。根据仿真结果显示,在以轨迹最短为目标的情况下,hp自适应RPM效率较高,目标轨迹更短,优化结果较为满意。     

欠驱动刚性航天器时间最优轨迹规划设计

应用伪谱法解决欠驱动刚性航天器的时间最优轨迹规划问题.首先建立欠驱动刚性航天器的动力学和运动学模型,对于给定的初末姿态,选取机动时间最短为待优化的性能指标,并考虑到实际控制输入受限,将其转化为优化过程中的不等式约束条件;然后应用Legendre伪谱法,将优化问题离散化为非线性规划问题进行求解.仿真结果表明,应用伪谱法规划得到的欠驱动航天器最优轨迹,能够较好地满足各种约束条件,而且计算精度高、速度快,具有良好的实时性.     

Reentry Trajectory Optimization for Hypersonic Vehicles Using Fuzzy Satisfactory Goal Programming Method

Constrained reentry trajectory optimization for hypersonic vehicles is a challenging job. In particular, this problem becomes more difficult when several objectives with preemptive priorities are expected for different purposes. In this paper, a fuzzy satisfactory goal programming method is proposed to solve the multi-objective reentry trajectory optimization problem. Firstly, direct collocation approach is used to discretize the reentry trajectory optimal-control problem with nonlinear constraints into nonlinear multiobjective programming problem with preemptive priorities, where attack angles and bank angles at nodes and collocation nodes are selected as control variables. Secondly, the preemptive priorities are transformed into the relaxed order of satisfactory degrees according to the principle that the objective with higher priority has higher satisfactory degree. Then the fuzzy satisfactory goal programming model is proposed. The balance between optimization and priorities is realized by regulating parameter λ, such that the satisfactory reentry trajectory can be acquired. The simulation demonstrates that the proposed method is effective for the multi-objective reentry trajectory optimization of hypersonic vehicles.     

多无人机自适应编队协同航迹规划

针对多无人机(UAV)协同航迹规划中因编队队形约束而忽略部分较窄通道的问题,提出了一种基于自适应分布式模型预测控制的快速粒子群优化(ADMPC-FPSO)方法。该方法利用领航跟随法和虚拟结构法相结合的编队策略构造出虚拟编队引导点,以完成自适应编队协同控制任务。根据模型预测控制的思想,结合分布式控制方法,将协同航迹规划转化为滚动在线优化问题,且以最小距离等性能指标为代价函数。通过设计评价函数准则,使用变权重快速粒子群优化算法对问题进行求解。仿真结果表明,通过所提算法能够有效实现多无人机协同航迹规划,并可根据环境变化快速完成自适应编队变换,同时较传统编队策略代价更低。     

无人机辅助的无线传感网络AoI最小化方案研究

针对无线传感器网络中海量数据处理过程中信息新鲜度问题,基于无人机飞行速度、高度、避碰和可靠传输等约束,以系统信息年龄AoI为考核参数提出了一种联合采集点选择、轨迹优化及无人机工作时间权衡的AoI最小化非凸优化方案。以一个多无人机在同频段条件下为多个传感器节点传输能量并收集传感数据为场景,对多架无人机在三维空间中的信息采集过程进行模拟验证。通过SCA优化算法将建立的非凸问题转化为一个凸优化问题进行求解,最终得到无人机飞行过程中的最优采集点、最优飞行策略及能量输送时间与信息传输时间分配权衡指数,使系统性能达到最优,实验结果表明,所提方案求得的最优解可有效实现系统AoI最小化。     

基于模糊多目标的高超声速飞行器再入轨迹设计

针对多约束条件下的高超声速飞行器再入轨迹的优化问题,考虑多个具有不同重要性等级的优化指标,提出基于模糊多目标的轨迹设计方法.首先,利用直接配点法,将最优控制问题转化为带优先级的非线性多目标规划问题;然后,基于模糊满意优化的思想,根据更重要目标具有更高满意度的原则,将优先级表示为满意度序,并设计两步式优化模型.通过调节参数,能获得同时满足优化和重要性等级要求的最优轨迹.仿真结果表明了所提出方法的有效性.     

无人机航迹控制模块的优化设计与实现

当前在无人机作业过程中,能够根据预设的目的地信息自主控制飞行的模块,在多个最优方案条件下,需要预设复杂约束条件,否则就会存在寻优过程不收敛的问题,导致控制效果不佳。针对这一问题,研究了无人机航迹自主控制模块的改进设计。设计可以采集无人机的位置、速度等飞行信息,并上传至飞行主控器的模块硬件,软件在符合无人机飞行约束与威胁约束的条件下,规划获取后续飞行的最优航迹点。为了保证无人机飞行距离最短、高度最小,将无人机航迹自主控制问题变成优化问题。在面临多个最优方案条件下,构建基于鲸鱼算法的无人机航迹选择模型,以无人机飞行航线代价最小为目的,使用鲸鱼算法求解无人机航迹自主控制方案,完成软件设计。实验结果显示：使用所设计模块后,无人机可自主控制飞行航迹,成功避开静态威胁因素、动态威胁因素安全飞行至目的地。     

Hierarchical control of cooperative nonlinear dynamical systems

Cooperative control methods that are scalable with low computational cost are crucial for networked dynamical systems to respond quickly in unknown or cluttered environments. In an attempt to make the problem tractable, many existing cooperative controls are designed with oversimplified assumptions and/or without the capabilities of rapidly handling different environmental and dynamical constraints. In this article, proposed is a two-level hierarchical, cooperative control framework using a divide-and-conquer strategy so that challenges can be separately handled at different levels. It is scalable and has low computational cost. Based on a simplified homogeneous double-integrator dynamic model, the top-level planner first computes cooperative trajectories satisfying obstacle avoidance requirements. Then at the lower level, state and control constraints, nonlinear dynamics and self-collision/obstacle avoidance as related to the real system are addressed through a bio-inspired fast trajectory planning algorithm. The stability of the overall hierarchical structure is proven. Two examples, a differential-drive ground vehicle formation control and an unmanned aerial vehicle formation flight, are used to illustrate the advantages of the proposed hierarchical framework.     

执行器约束下基于数据驱动的参数化前馈控制器设计

针对执行器约束下非重复性点到点运动的轨迹跟踪问题, 提出了一种在执行器约束下基于数据驱动的参数化输入整形滤波器和前馈控制器优化设计算法. 首先对输入整形滤波器以及前馈控制器进行参数化, 然后在目标函数中加入控制信号变化量与控制信号能量的约束, 再采用基于数据驱动的迭代寻优算法得到最优参数, 在该参数下可以实现满足执行器约束条件下的运动控制系统轨迹最优跟踪性能. 并且由于采用了前馈参数化设计方法, 在点到点轨迹发生变化时所提出算法依然能够保持良好的轨迹跟踪性能. 仿真与实验结果表明在执行器约束下所提出算法能够实现最优点到点轨迹跟踪性能, 并且对非重复性点到点轨迹跟踪具有一定的鲁棒性.