基于hp自适应伪谱法的飞行器多阶段轨迹优化

为解决助推-滑翔飞行器的多阶段多约束轨迹优化问题,在考虑速度约束、轨迹阶段切换点约束与轨迹末端参数约束的条件下,建立了助推-滑翔飞行器纵向运动模型与多阶段轨迹优化模型。采用基于hp自适应伪谱法的Legendre-Gauss-Radau离散点,将该最优控制问题转换为多阶段非线性规划问题,求解得到最大飞行距离轨迹。为解决多阶段轨迹优化算法难以确定位置自由的阶段切换点的问题,基于动态规划的思想,设计了新的多阶段轨迹优化策略。改进后的优化策略在得到了多阶段全局近似最优解结果的同时,减少了原优化算法的计算量。仿真结果表明,改进的hp自适应伪谱法能有效解决多阶段助推-滑翔飞行器轨迹优化问题,优化结果优于最大升阻比滑翔飞行轨迹。      

基于局部模型的再入滑翔类飞行器轨迹在线调整算法设计

针对再入滑翔类飞行器滑翔过程各种复杂条件不确定以及任务不确定问题,将轨迹离线优化与在线调整相结合,提出了一种基于局部模型的轨迹在线调整算法。该算法利用离线Radau伪谱函数表征飞行轨迹,构建轨迹局部模型,并通过轨迹约束空间离散化形成局部模型集;在线运行过程中,引入模糊聚类思想,设计了一种基于模糊隶属度的局部模型子集构建与更新方法,根据实时飞行状态以及任务约束构建与更新局部模型子集,并采用加权融合方法实现轨迹在线生成。最后,通过仿真分析验证了算法的轨迹生成与在线调整性能。     

高超声速无动力滑翔三维轨迹规划方法

轨迹规划是进行高超声速滑翔飞行器任务设计以及提高制导方法适应性的有效途径. 定义了目标平面坐标系,并将该坐标系作为参考坐标系推导了归一化能态方程. 该方程具有定积分区间的优点,并可用状态直接表征横程和纵程. 基于该方程提出了纵向轨迹规划方法和侧向轨迹规划方法,并考虑轨迹横向曲率,提出了结合纵向轨迹规划方法和侧向轨迹规划方法的三维轨迹规划方法. 仿真计算结果表明该方法可快速、精确地完成高超声速滑翔飞行器的滑翔轨迹规划.      

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。     

类AHW助推滑翔飞行器提升气动性能的布局探索

探讨了非圆截面弹身布局先进高超声速武器(AHW)的气动特性。以类AHW双锥十字小尺寸弹翼布局为研究对象,基于贝塞尔曲线方法建立飞行器外形,利用多目标遗传算法优化分析飞行器弹体布局,在此基础上对飞行器圆截面弹身布局和非圆截面弹身布局进行升阻比及压心分析;考虑总体和防热的需求,对不同截面飞行器控制舵的类型、尺寸匹配和弹体质心位置选择以及操纵面的效率进行对比分析。研究表明,类AHW非圆截面弹身布局可以实现较高的配平升阻比,合理的质心位置和舵面尺寸组合能够实现比圆截面布局更好的操纵需求。     

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%.     

基于新特征参数的再入滑翔飞行器机动模式智能辨识

再入滑翔飞行器的机动模式辨识问题是拦截方实现对其轨迹预测的关键。提出了一组与飞行器轨迹机动特点贴合的特征参数,根据构建的RGV 机动模式轨迹库,搭建了LSTM 深度学习神经网络,实现了对RGV机动模式的智能辨识。与传统模式辨识方法和其他典型特征参数的辨识网络进行对比,结果显示文中所提特征参数在LSTM 机动模式辨识网络训练中具有收敛速度快、辨识精度高和鲁棒性好的特点。     

基于混合粒子群法的RLV上升段轨迹优化

针对可重复使用运载器(RLV)轨迹优化问题,提出了一种混合粒子群法(HPSO).算法采用改进粒子群算法与序列二次规划法相组合的优化方法,应用了一种新的粒子群划分方案,引入调节搜索速度的时变惯性因子,改进了速度和位置的更新策略.给出了上升段轨迹优化问题的飞行运动学方程、发动机模型、气动力模型、约束条件;确定了优化设计步骤,包括配点离散、多邻域改进PSO、HPSO混合策略;并对最小燃料消耗问题进行了优化分析.计算结果表明:HPSO算法在没有合适初始值的情况下,仍能得到满意的全局最优解,具有正确性、高效性和鲁棒性好等优点,可以很好地解决RLV轨迹优化问题.     

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。     

洲际滑翔飞行器天基红外探测的信噪比分析

洲际滑翔飞行器(IGV)在超高速飞行过程中,由于气动加热严重,红外辐射显著.我们的分析和计算表明,美国正在试验部署的空间探测和监视系统(STSS)对于IGV的红外探测信噪比,在2.7μm附近的短波波段,达到10~3–10~5,而STSS跟踪和识别的红外探测信噪比阈值分别约为3和30,这意味着STSS对于IGV非常有效.在IGV突防能力的公开论述中,"轨道机动难于预测"是核心立足点.但IGV的横向平均加速能力仅约0.15g,而美国导弹防御系统已具备将探测系统获得的目标信息及时传递到其指挥系统和拦截弹的能力.通过定量估计容易证明,利用天基红外探测,IGV轨道机动不仅可预测,而且精度高,故"难于预测"之说不能成立.     

制导炮弹滑翔弹道优化设计方法研究

为了获得滑翔增程制导炮弹的最优滑翔方案弹道,利用庞特里亚金极小值原理建立了制导炮弹在纵向平面内的最优滑翔飞行运动方程。研究了最优滑翔弹道的解法,并对制导炮弹滑翔飞行的最优控制参数进行了设计。结果表明,优化得到的升力控制系数能够保证该弹的飞行水平距离最远,且最优升力控制系数在1附近变化,并最终趋近1。     

滑翔增程弹滑翔弹道设计

在滑翔段上采用法向加速度等于零和升阻比最大两种方式进行滑翔弹道设计,导出俯仰舵偏角和平衡攻角的表达式,得到滑翔射程的一般关系式,分析了决定制导炮弹射程的主要因素.仿真结果表明,采用这两种方式设计的滑翔弹道各有特点,在工程实现中可以根据不同的使用要求和实际情况进行选择.     

基于鲁棒比例-积分-微分控制的智能汽车自主换道轨迹跟踪控制

为了解决智能汽车自主换道轨迹跟踪所使用的比例-积分-微分(proportion-integral-derivative,PID)控制器参数难以整定的问题,提出应用于自主换道轨迹跟踪控制的鲁棒PID控制器设计方法。首先,构建车辆-道路系统动力学模型,将转向执行机构看作一阶惯性环节,搭建包括转向执行机构动力学模型在内的系统动力学模型;然后,基于分段多项式表达求解自主换道轨迹模型,并基于时间与误差绝对值乘积积分构建鲁棒PID控制器,确定控制参数,形成闭环系统的传递函数;最后,进行仿真及实车试验,结果表明,所设计的控制器具有较强的鲁棒性,能在保证换道工况下智能车辆较好的轨迹跟踪能力的同时,有效地提高乘员舒适性。     

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.      

基于分层策略的多无人机最优协同航路规划

基于分层策略将多无人机协同航路规划分为航路规划层、协同控制层和航迹控制层进行研究。航路规划层采用基于K均值和遗传算法的航路规划方法,为每架无人机提供多条备选航路;针对传统协同控制算法在求解协同变量出现无解的情况,设计了新的协同变量求解步骤;航迹控制层基于无人机六自由度模型和协同变量建立了终端时间固定的最优航迹控制模型,并采用勒让德伪谱法将最优控制问题转化为非线性规划问题,并利用CFSQP对模型进行了求解,实现了对无人机航迹控制变量和姿态的规划。仿真结果表明,利用该方法得到的无人机协同航路具有较高的可操作性,且计算量较小,效率较高,得到的无人机控制指令平滑,易于操控。     

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。     

基于改进粒子群算法的方案飞行弹道优化设计

研究导弹方案飞行弹道的优化问题.在对方案飞行弹道优化本质特征进行分析的基础上,针对爬升-转弯段弹道提出了一种基于粒子群优化算法的方案弹道优化算法.该算法引入罚函数法和权系数法构建综合的目标函数,采用非均匀B样条方法实现控制规律的参数化,采用改进的具有动态初始化策略的粒子群优化算法进行寻优计算.仿真算例及结果表明,该方法结构清晰,具有较好的通用性,优化后的方案飞行弹道满足约束条件.     

基于微分进化的行星际小推力轨道全局优化方法

针对行星际小推力轨道优化问题,提出一种基于改进微分进化的全局优化算法.通过引入试验个体重生成和约束判断选择策略,克服传统微分进化算法中寻优参数和轨道约束违反边界的缺陷.为提高微分进化算法后期收敛效率,提出了基于最优个体信息的变异操作和局部搜索辅助策略.以地球-水星的小推力燃料最省转移为例对所提算法进行了验证.数值计算结果表明:改进的微分进化算法能够快速有效地寻找到全局最优轨道,并且与传统非线性规划和遗传算法相比,具有更高的可靠性和收敛性.