基于混沌多项式的再入滑翔鲁棒轨迹凸优化

针对参数不确定条件下高超声速飞行器再入滑翔轨迹设计问题，研究了一种增强抗干扰能力和过程可靠性的鲁棒轨迹优化方法。构建不确定条件下再入滑翔鲁棒轨迹优化模型，并设计了基于高斯求积与非嵌入式混沌多项式的不确定性量化传播算法，从而将其转化为维数扩展的确定性轨迹优化问题；利用凸优化技术对该问题进行凸化和离散，设计了一种基于序列凸优化算法的轨迹优化求解策略，以实现对该高维确定性问题的快速求解。以美国X-33的高超声速滑翔再入为例进行了仿真验证。结果表明，与传统确定性轨迹优化算法相比，所提方法能够有效降低随机干扰对再入滑翔轨迹的影响，从而提升轨迹的可靠性与鲁棒性；与现有典型鲁棒轨迹优化方法相比，所提方法具有相当的精度和显著的计算效率优势。     

大型稀疏连续体结构的多目标拓扑优化设计

基于变密度法和数学规划中的序列凸规划优化方法,建立了具有大型稀疏特点的连续体结构的多目标拓扑优化设计模型.以结构的静力学多刚度和动力学特征值问题同时作为优化的目标函数,以设计域中可容许材料的体积百分比作为优化的全局性约束来限制搜索域,用序列凸规划方法中的移动渐近线方法(MMA)作为优化数学模型的求解器.基于Matlab平台,用程序实现了MMA算法,并用典型算例证明了本文研究方法的有效性.     

基于伪谱法的亚轨道飞行器返回轨迹优化设计

在亚轨道飞行器返回轨迹设计中,不仅要研究其可行轨迹的设计问题,还要研究在各种性能指标下的最优轨迹。文章采用伪谱法研究了亚轨道飞行器返回轨迹优化设计问题。为了便于应用伪谱法并加快优化速度,建立了以能量为独立积分变量的动力学方程,并进行了归一化处理,将终端时间自由的优化问题转化为固定积分区间的优化问题。考虑状态约束、控制约束、过程约束以及终端约束,采用伪谱法进行了亚轨道飞行器的返回轨迹优化设计。从算例的仿真结果可以看出,伪谱法可以较好完成亚轨道飞行器的返回轨迹的优化设计任务。     

基于直接配点法的再入轨迹优化设计

介绍了直接配点法在再入飞行器三维轨迹最优化问题中的应用。首先给出了再入飞行器轨迹最优化控制问题模型,其中运动方程为三自由度模型,性能指标选为末端速度最大,控制变量则为迎角和滚转角。再入飞行过程中受到加热率、过载和动压约束,终端状态受到航迹倾角和高度的约束。然后,应用直接配点法将最优控制问题离散化为非线性规划问题,即将动态优化问题转化为静态参数最优化问题。选取各节点和配点上的状态量和控制量作为优化参数。最后应用基于M at-lab语言的SNOPT软件包对参数最优化问题进行求解,该软件包对于求解大型非线性规划问题具有很好的收敛性。仿真结果表明直接配点法对于再入飞行器轨迹初始参数取值不敏感,且求解过程具有一定的实时性。因此,直接配点法对于再入轨迹优化问题的求解是可行的。     

高超声速滑翔飞行器再入轨迹优化

为提高高超声速滑翔飞行器再入轨迹优化问题求解速度和精度,提出了一种将改进的麻雀智能优化同参数化设计相结合的再入轨迹方法。首先,通过Tent混沌映射和精英反向种群方法初始化种群,利用黄金正弦策略进行种群的位置更新,并通过余弦策略减少侦察者数量,采用贪婪策略对种群的最优解进行选择和更新,在增强算法全局搜索能力的同时,不影响收敛速度。然后,将高超声速再入轨迹优化问题转化为攻角剖面和倾侧角剖面的参数化设计问题,将路径约束转化为阻力加速度再入飞行走廊,保证再入过程中始终满足路径约束,利用罚函数法处理终端约束,从而使得飞行器精确命中目标。最后,采用改进的麻雀智能优化算法对设计参数进行寻优,使得目标函数最优。仿真实验表明：本研究所提出的改进麻雀算法相较于原始麻雀算法、鲸鱼算法和粒子群算法收敛速度快,得到的高超声速滑翔飞行器再入轨迹精度有了进一步的提高;蒙特卡洛仿真实验说明,本研究所提出的高超声速滑翔飞行器再入轨迹优化算法具有一定的鲁棒性。     

基于NSGA-II算法的RLV多目标再入轨迹优化设计

传统的再入轨迹优化设计通常只考虑单目标优化问题,例如最小热流、最小大航程、最小控制能量等。随着人们对降低费用和提高性能的期望越来越高,多目标再入轨迹优化问题也引起了注意。以往人们通过加权因子等方法将多目标问题转化为单目标问题,避免了复杂的多目标优化算法的应用。但也引入了新的参数,且每次优化只能获得与该参数相关的1个解。N SGA-II算法是最近发展起来的具有优良性能的多目标遗传算法,它引入了快速分类、约束支配和精英策略,1次运行可以获得多个Pareto最优解。文中利用N SGA-II算法来求解具有最小热载和最大横程的2个目标的再入轨迹优化问题。算例表明N SGA-II算法能够有效地搜索到优化轨迹的Pareto前沿,是RLV初步设计的有力工具。     

基于NSGA—Ⅱ算法的RLV多目标再入轨迹优化设计

传统的再入轨迹优化设计通常只考虑单目标优化问题，例如最小热流、最小大航程、最小控制能量等。随着人们对降低费用和提高性能的期望越来越高，多目标再入轨迹优化问题也引起了注意。以往人们通过加权因子等方法将多目标问题转化为单目标问题，避免了复杂的多目标优化算法的应用。但也引入了新的参数，且每次优化只能获得与该参数相关的1个解。NSGA—Ⅱ算法是最近发展起来的具有优良性能的多目标遗传算法，它引入了快速分类、约束支配和精英策略，1次运行可以获得多个Pareto最优解。文中利用NSGA—Ⅱ算法来求解具有最小热载和最大横程的2个目标的再入轨迹优化问题。算例表明NSGA—Ⅱ算法能够有效地搜索到优化轨迹的Pareto前沿，是RLV初步设计的有力工具。     

基于高斯回归学习的场景优化鲁棒预测控制

针对具有未知加性不确定性的约束线性系统，提出基于高斯过程回归学习的场景优化鲁棒模型预测控制算法.在离线阶段使用高斯回归从经验数据中学习不确定性结构与参数，能够抽取大量随机场景.在在线控制阶段中，求解抽取场景所构建的有限时域优化问题，将滚动优化得到的控制律作用于系统.引入松弛变量保证优化问题的可行性，应用随机凸优化理论，证明所提算法使系统以一定的置信度满足松弛机会约束，收敛于终端域.通过DC-DC转换器和网联车巡航控制仿真实验，验证了本文算法的有效性和优越性.     

RBCC高超声速飞行器上升段轨迹快速优化

针对火箭基组合循环(RBCC)高超声速飞行器上升段轨迹设计所具有的动力系统工作模态复杂、推力与飞行状态存在强耦合、模型强非线性且存在多种复杂约束限制等典型特征,设计了一种基于序列凸优化的RBCC动力上升段轨迹快速优化方法。针对攻角控制系统是否存在二阶滞后情况,分别建立了适用于RBCC高超声速飞行器上升段轨迹优化的数学模型。基于凸优化理论对原优化模型进行凸化和离散化处理,进而设计了改进的轨迹优化求解策略。以末端机械能最大为优化指标,针对攻角控制系统存在/不存在二阶滞后的情况分别进行了上升段轨迹优化仿真。结果表明,所构建模型和轨迹优化方法可以快速、有效地完成RBCC高超声速飞行器上升段轨迹优化,优化结果符合RBCC动力系统工作特点,且可为RBCC动力运用和攻角控制系统设计提供参考。     

重型运载火箭轨迹/总体参数一体化优化方法

研究了重型运载火箭轨迹/总体参数一体化优化问题。建立了一体化参数优化模型,设计了一种双环迭代优化算法,外环采用遗传算法进行参数优化,内环通过带自适应松弛因子的改进牛顿迭代法进行参数迭代。针对牛顿迭代法对模型本身及迭代初值敏感的问题,提出了一种模型变量筛选方法和迭代初值生成方法。基于Morris参数全局灵敏度分析法筛选出对终端等式约束影响最大的参数作为牛顿迭代变量,以历史迭代收敛值作为当前迭代初值。并通过迭代误差监控,保证了算法的鲁棒性。以三级液体重型运载火箭为对象,进行了一体化优化仿真。仿真结果显示起飞总质量减少了4.09%,表明设计的双环迭代优化算法能在复杂约束下完成重型运载火箭轨迹/总体参数一体化优化。     

基于凸优化及其求解软件的最低旁瓣方向图综合算法

针对任意阵列天线的方向图综合问题,提出了基于凸优化及其求解软件的方向图综合方法。其中针对最低旁瓣方向图综合问题的特殊性,利用了凸优化的优良数值求解特性,以及最新的凸优化求解软件cvx对任意阵列天线的最低旁瓣方向图综合算法进行了有效的建模和求解,获得了满足给定要求的综合方向图。并通过详细的仿真分析验证了所提方法的正确性和有效性,而且优于当前提出的迭代算法。     

稳健的MIMO雷达发射波形和接收滤波器联合优化设计

针对杂波条件下目标反射信号方向不确定的情况,提出一种稳健的MIMO雷达发射波形和接收滤波器联合优化设计方法.在考虑各阵元发射功率相等的约束条件下,利用发射加权矩阵构造不确定集范围内关于输出信干噪比(SINR)的Maxmin优化模型;在此基础上,利用序列优化、半正定松弛和Charnes-Cooper转换,将非凸的联合优化问题转化为关于发射波形和接收滤波器的凸优化问题进行迭代求解;最后通过随机向量合成方法计算最终发射波形和接收滤波器,并对算法计算复杂度和收敛性给出分析和证明.所提方法在满足阵元发射功率一致的约束条件下,提高了算法稳健性并降低了计算复杂度.仿真实验证明了算法的有效性.     

升力式再入飞行器多约束多阶段弹道优化设计

结合再入飞行器实际任务需要,以升力式再入飞行器机动突防弹道优化设计为研究目的,给出了多约束多阶段弹道优化模型,研究了弹道优化数值解法理论,将该多约束多阶段优化问题的多个阶段弹道优化模型统一于1个优化算法;采用直接法＋序列二次规划法解该优化问题,得到了满足相应约束的再入机动突防弹道.仿真结果表明,采用该方法能够进行升力式...     

Optimization Strategy Using Dynamic Metamodel Based on Trust Region and Biased Sampling Method

Combining a trust region method with a biased sampling method, a novel optimization strategy (TR-BS-KRG) based on a dynamic metamodel is proposed. Initial sampling points are selected by a maximin Latin hypercube design method, and the metamodel is constructed with Kriging functions. The global optimization algorithm is employed to perform the biased sampling by searching the maximum expectation improvement point or the minimum of surrogate prediction point within the trust region. And the trust region is updated according to the current known information. The iteration continues until the potential global solution of the true optimization problem satisfied the convergence conditions. Compared with the trust region method and the biased sampling method, the proposed optimization strategy can obtain the global optimal solution to the test case, in which improvements in computation efficiency are also shown. When applied to an aerodynamic design optimization problem, the aerodynamic performance of tandem UAV is improved while meeting the constraints, which verifies its engineering application.     

基于信赖域子问题的共轭梯度法

对于求解无约束优化问题,利用重新开始的三项共轭梯度法与信赖域方法结合,并引入非单调技术,当迭代不成功时,改进后的算法保留一些有用信息,提高了算法的有效性。在适当的条件下,给出了新算法的全局收敛性,数值试验结果表明新算法是有效的。     

非凸稀疏低秩约束的高光谱解混方法

针对高光谱混合像元的丰度矩阵具有行稀疏特性,提出一种非凸稀疏低秩约束的高光谱解混方法．首先,建立高光谱图像非凸稀疏低秩约束模型,将丰度系数矩阵的非凸p范数作为稀疏约束,并将丰度系数矩阵奇异值的非凸p范数作为低秩约束;其次,构建联合低秩性先验与稀疏性先验的非凸极小化模型,并提出求解的增广拉格朗日交替极小化算法,将复合正则化问题分解成多个单一正则化问题,交替迭代求解．实验仿真结果表明,该算法比贪婪算法和凸优化算法能获得更高的解混精度,并且适用于信噪比较高的高光谱数据．