[发明专利]一种基于序列凸优化和模型预测控制的卫星集群重构控制方法

说明书

一种基于序列凸优化和模型预测控制的卫星集群重构控制方法，它属于卫星集群重构控制领域。本发明解决了现有控制方法的控制精度低、可扩展性差以及鲁棒性差的问题。本发明方法可以应用于大规模卫星集群轨道控制，避免了现有方法的可扩展性差的问题，一旦时间更新到下一个预测时域，卫星将更新环境和邻居信息，考虑了空间环境的误差和卫星自身机构的误差，减少了任务执行过程中的误差，提高了控制精度，而且不需要所有卫星对整个重构过程中的空间环境预先知道，进而提高了鲁棒性。本发明方法可以应用于卫星集群重构控制。

技术领域

本发明属于卫星集群重构控制领域，具体涉及一种基于序列凸优化和模型预测控制的卫星集群重构控制方法。

背景技术

卫星集群重构控制问题指的是卫星从一组轨道转移到另一组轨道的控制问题，其中卫星之间保持相对有界，即最远不能超过所规定的上界，最近不小于最小安全距离。卫星集群重构机动问题是一个复杂的多目标优化问题。通常是以推进剂消耗、轨道转移时间、卫星集群燃料消耗均衡性等作为目标，寻找最佳重构策略和机动策略，以实现特定任务。

卫星编队是卫星集群的一种特殊情况，编队所要求的不仅是有界性约束，并且包含严格的位置关系约束，因此，卫星集群在不追求最优性的情况下也可以使用编队飞行的一些控制方法。然而，以往的编队飞行工作通常涉及的航天器数量很少，最多的时候只有十几个，因此，将现有方法应用于大规模卫星集群轨道控制时算法的可扩展性较差，进行大规模卫星集群轨道控制时必须不同于以往的研究，需要同时考虑航天器数量多、单个微小卫星的能力有限以及复杂的动态环境干扰等问题。具体地说，大量的航天器使碰撞避免成为一大挑战。此外，每颗小卫星有限的计算能力要求制导律和控制算法非常简单，以便它们可以在卫星上实时运行。

大规模卫星集群的重构问题本质上也是一类求解具有非线性动态和非凸路径约束的多智能体系统最优控制问题。解决这类问题的方法有很多，包括间接法和直接法。由于航天器群的复杂的非线性动力学，间接方法需要推导出最优性的一阶必要条件，同时需要良好的初始猜测，因而使用起来非常困难。因此，许多最优控制问题都是用直接方法来解决的，这种方法将控制空间，有时甚至是状态空间参数化，将问题归结为一个非线性优化问题。伪谱法很适合处理非线性动力学，但随着卫星数量的增加，它们在计算上变得难以实现，而且还没有实时实现。到目前为止，非线性求解器的速度已经足够快，可以在机上实现适定问题，但不能很好地适合多智能体问题。混合整数线性规划(MILP)可用于强制碰撞避免约束，并且已被实时实现以及用于预先规划轨迹。然而，随着航天器数量的增加，这些算法的可扩展性也很差，这是由于避碰约束数量的增加导致整数变量的增加。

在线求解最优控制问题依赖于当前不断进步的信息技术。最近，凸优化已被应用于多飞行器轨迹设计，凸规划问题可以在多项式时间内可靠地求解到全局最优。更重要的是，最近的进展表明，这些问题可以通过通用的二阶锥规划求解器和利用特定问题结构的定制求解器来实时解决。有研究用凸优化方法提出了一个凸问题的滚动时域控制器。此外，凸优化已被用于为队形重构和机器人运动规划寻找无碰撞轨迹。但是大量的研究文献的假设情况都是事先已经获得空间中的障碍物信息，且假设不存在执行机构误差、测量误差等不确定性误差，因此，控制方法的控制精度较低、鲁棒性较差。