[发明专利]空间碎片清除系统和方法及其任务规划方法

权利要求书

1.一种空间碎片清除任务规划方法，其特征在于，所述方法用于空间碎片清除系统，所述系统包括：任务卫星、空间基地和推进离轨装置；所述任务卫星，用于携带所述推进离轨装置至目标碎片处然后释放所述推进离轨装置；所述推进离轨装置，用于推动目标碎片至坟墓轨道；所述空间基地，用于向所述任务卫星补给燃料和所述推进离轨装置；所述方法包括：

采用免疫遗传算法进行顶层优化，获取最优任务序列；

采用粒子群优化算法进行底层优化，获取最优转移轨道；

其中，采用免疫遗传算法进行顶层优化，获取最优任务序列，采用粒子群优化算法进行底层优化，获取最优转移轨道，包括如下内容：

S201，设置参数以初始化粒子群和抗体；

S202，通过粒子群优化算法在底层优化中计算适应度；

S203，计算基于适应度值和抗体浓度的亲和力；

S204，根据亲和力选择记忆细胞，在顶层优化的免疫遗传算法中执行选择、交叉和变异操作；

S205，重复步骤S202至S204直至达到最大迭代次数；

其中，顶层优化和底层优化在设定的轨道机动方案、任务消耗和约束的前提下进行，轨道机动方案、任务消耗和约束利用以下方式确定：

采用J2000坐标系下的双脉冲交会机动模型，两个空间碎片之间的转移轨道通过求解多圈lambert问题来求得；

定义函数t(z)：

式中，μ是地球引力常数，z是普适变量，A表示轨道机动的时间，通过下述公式获得：

r₁,r₂分别是惯性系下的初始和最终位置矢量，θ是r₁,r₂间的角度；

x(z),S(z),y(z)为关于z的函数，

通过上述公式确定t(z)与普适变量z之间的函数关系；

给定转移时间ΔT，对应多个普适变量z，利用下述公式计算对应每个普适变量的V₁,V₂；

V₁,V₂表示转移轨道的初始和末尾速度，f,g₁,是同z相关的拉格朗日系数；

轨道转移所需的冲动是：

V_s，V_t是初始和目标轨道的速度，以最小速度脉冲作为机动转移轨道，以最小的燃料消耗；

通过计算碎片清除的每个过程获得任务的燃料及时间消耗，任务卫星的初始位置位于第一个碎片处，在任务卫星的轨道机动过程中，部分燃料和时间将被消耗，对于每一块碎片清除的过程，任务卫星携带的推进离轨装置数量将减少一个，设任务卫星初始质量为M，推进剂质量和卫星结构质量分别为M_f和M_s，k表示卫星携带的推进离轨装置总数且每个推进离轨装置的质量为m，获得下述公式：

M＝M_s+M_f+k·m

在碎片清除过程中，存在两种情况，第一种情况是推进剂和推进离轨装置足够并且卫星机动直接到下一个碎片，设需要清理的碎片总数为N，两个目标碎片之间的一次机动需要两次脉冲速度冲量，根据齐奥尔可夫斯基公式，一次机动后的燃料消耗为：

ΔM₁和ΔM₂分别为两次冲量的燃料消耗，i，j是碎片的序列号，下标和上标分别表示机动的起点和终点，I_sp是任务卫星的比冲，g是地球的引力常数；

定义从第i个碎片到第j个碎片的转移时间为T_i^j，T_g为抓捕和释放碎片的时间消耗，清除一个碎片的时间消耗为：T＝T_i^j+T_g；

第二种情况是任务卫星机动至空间基地进行补给，在第二种情况下，清除一个空间碎片需要两次轨道机动，燃料消耗为：

和表示从第i个碎片机动至空间基地以及从基地到第j个碎片的燃料消耗，s代表太空仓库，每次机动的燃料消耗计算利用一次机动后的燃料消耗计算公式；

定义补给过程中消耗的时间为T_f，得到时间消耗：

T＝T_f+T_i^s+T_s^j

T_i^s和T_s^j表示从第i个碎片到空间基地以及从基地到第j个碎片的机动时间；

燃料和时间消耗由下述公式获得：

q_i＝1表示该任务卫星转移到空间站进行补给，q_i＝0代表卫星直接转移到下一个碎片，对于每次轨道机动，设置最长轨道转移时间T_max作为设计变量T的约束条件，满足不等式tw+Δt≤T_max；

燃料满足不等式M_f-ΔM≥0；

推进离轨装置的数量满足不等式k_left≥0，k_left为卫星中剩余的推进离轨装置数量；

采用惩罚函数用于处理约束条件，将目标函数构造为：

惩罚函数定义为：

式中，a,b,c为常数；

M_f-ΔM＜0，k_left＜0表示不满足约束，惩罚函数添加到目标函数G(N,X)；

其中，底层优化的设计变量是T＝[Δt₁,Δt₂,...Δt_m,tw₁,tw₂,...,tw_m]，tw,Δt分别代表机动前的等待时间和转移时间，优化目标函数是机动过程中的总燃料消耗；

优化模型表述为：

find T＝[Δt₁,Δt₂,…Δt_m,tw₁,tw₂,…,tw_m]

minΔM

在底层优化中采用惯性权重改进的粒子群优化算法，包括：

S301，将粒子群初始化为d维位置矢量X_i＝(x_i1,x_i2,…,x_id)和速度矢量V_i＝(v_i1,v_i2,…,v_id)；

S302，初始化个体的最佳位置和最佳价值；

S303，计算速度脉冲ΔV作为每个粒子的适应值；

S304，对于每个粒子，将其当前适应值与其计算的最佳粒子P_i＝(p_i1,p_i2,…,p_id)进行比较，如果当前值更好，使用当前粒子进行更新；

S305，对于每个粒子，将其当前适应值与整个群体的最佳粒子P_g＝(p_g1,p_g2,…,p_gd)进行比较，如果当前值更好，使用当前粒子P_g进行更新；

S306，通过下述公式更新每次迭代的惯性权重w；

式中，w_max是最大惯性权重，w_min是最小惯性权重，run是当前迭代次数，run_max是迭代总数；

S307，使用以下公式更新每个粒子的位置和速度：

v_id(t+1)＝wv_id(t)+c₁k₁(t)(p_id(t)-x_id(t))+c₂k₂(t)(p_gd(t)-x_id(t))

x_id(t+1)＝x_id(t)+v_id(t+1)

式中，w是惯性权重，t＝1,2,…,G表示迭代次数，G是最大迭代次数且i＝1,2,…,N，c₁,c₂是学习因子，k₁,k₂是0到1之间的随机数；

S308，增加循环计数器，如果已达到最大循环次数，则停止计算；若否，转至S303；

其中，顶层优化的设计变量为N,X，X＝[a₁,i₁,Ω,f₁]代表空间基地的轨道参数且N表示任务序列，a₁、i₁、Ω和f₁分别表示空间基地的半长轴、轨道倾角、升交点赤经和纬度幅角，优化目标是整个任务的总成本最低，表述为：

免疫遗传算法包括如下内容：

S401，初始化抗体和抗原，其中，抗体代表最佳变量，抗原代表目标函数；

S402，计算抗原和抗体之间的亲和力；

S403，选择具有更高亲和力的抗体；

S404，执行基本遗传算法中的编码、选择、交叉和变异操作；

其中，根据下述公式获取亲和度：

式中，f(N,X)代表目标函数，con代表抗体浓度，p是评估参数。