[发明专利]基于粒子群优化算法的飞行器再入轨迹在线规划方法

说明书

技术领域

本发明设计了一种基于粒子群优化算法的飞行器再入轨迹在线规划方法，属于飞行器轨迹规划技术领域。

背景技术

随着航天技术的不断发展和人类空间活动的日益频繁，未来航天器具备快速、可靠、精确返回地球的能力将变得越来越重要。再入返回是一个存在多种约束的复杂过程，一般情况下，需要根据任务需求和约束条件对再入参考轨迹进行预先规划，以达到安全返回的目的。在存在各种环境扰动和参数不确定性，飞行器执行应急任务或是任务多变的情况下，再入轨迹规划对提高制导方法的精度和适应性具有十分重要的意义。然而，由于再入问题本身的复杂性，特别是对于有苛刻过程约束和终端约束的再入飞行器，目前还没有系统有效的再入轨迹在线规划方法。

早期的再入轨迹规划方法是根据航程和约束要求在纵向平面走廊内设计阻力加速度剖面，但这一方面很难满足新一代再入飞行器的要求。近年来，国内外许多学者建立和发展了基于优化方法的再入轨迹全程规划方法，这一类方法的主要缺点是消耗大量的计算机时，难以满足飞行器在执行应急任务时对在线快速性的要求。另一方面，基于智能控制的再入轨迹规划方法也受到很多研究人员的关注。这类方法的基本原理是利用神经网络、自适应模糊逻辑系统等的自学习能力实现在线轨迹规划。基于智能控制的再入轨迹规划方法同样存在在线计算量大的问题。

发明内容

本发明针对现有飞行器再入轨迹规划方法所存在的上述问题，提出一种在线计算时间量小的基于粒子群优化算法的飞行器再入轨迹在线规划方法。

本发明所采取的技术方案如下：

一种基于粒子群优化算法的飞行器再入轨迹在线规划方法，包括以下步骤：步骤1、根据飞行器再入任务需求，确定再入初始条件的包络范围；步骤2、根据再入初始条件的所述包络范围，确定倾侧角分段常值大小、倾侧角符号最大反转次数；步骤3、对再入初始条件的所述包络范围划分网格，即将原包络划分为多个子包络，同时保证原包络顶点均为某子包络顶点；步骤4、以各所述子包络顶点为再入初始条件，采用粒子群优化算法离线设计飞行器再入标准轨道；步骤5、通过离线数字仿真验证所述包络范围划分和对各所述子包络顶点优化得到的所述再入标准轨道的有效性；步骤6、对得到的仿真结果进行统计分析，若结果不满足设计预期要求，则转到步骤3重新划分子包络；若满足预期设计要求，则设计结束。

作为本发明上述基于粒子群优化算法的飞行器再入轨迹在线规划方法的改进，采用所述粒子群优化算法离线设计所述飞行器再入标准轨道的步骤具体包括：选取再入飞行器侧向制导的漏斗边界和阻尼系数为所述粒子群优化算法的决策变量，并设置优化过程中漏斗边界和阻尼系数上下界；根据飞行器再入任务需求和再入过程约束条件，设置所述粒子群优化算法的目标函数；设置所述粒子群优化算法迭代过程中的基本参数；在不同再入初始条件下，通过算法迭代获得满足要求的再入标准轨道。

作为本发明上述基于粒子群优化算法的飞行器再入轨迹在线规划方法的改进，所述粒子群优化算法的所述基本参数包括粒子群种群数目、最大迭代次数、粒子最大飞行速度、学习因子、惯性权重。

对于上述基于粒子群优化算法的飞行器再入轨迹在线规划方法，其中，所述粒子群种群数目为20～50，所述最大迭代次数为50～100，所述粒子最大飞行速度为相应变量搜索范围的1/10～1/5，所述学习因子为2，所述惯性权重的初始值为0.9，终止值为0.4。

作为本发明上述基于粒子群优化算法的飞行器再入轨迹在线规划方法的改进，设置飞行器再入落点精度为目标函数，对再入过程中的约束通过设计相应的罚函数的方法的目标函数中予以体现。

作为本发明上述基于粒子群优化算法的飞行器再入轨迹在线规划方法的改进，所述子包络的划分密度为：再入高度2公里，再入速度100米每秒，再入时速度倾角0.2度。

对于上述基于粒子群优化算法的飞行器再入轨迹在线规划方法，其中，所述再入初始条件主要包括飞行器再入速度、再入高度、再入时速度方向角。

对于上述基于粒子群优化算法的飞行器再入轨迹在线规划方法，其中，所述倾侧角符号最大反转次数为3～4次。

本发明具有如下有益效果：

(1)基于粒子群优化算法的标准轨迹优化离线完成，可确保获得有效的各子包络顶点处的标准再入轨迹，同时避免在线使用智能优化算法时存在的可能收敛到局部最优解、计算量大等问题。

(2)飞行器再入轨迹在线规划时，只需要针对侧向制导的漏斗边界和阻尼系数进行简单的插值计算，在线计算量非常小，再入飞行器执行应急或多变任务时对再入轨迹规划快速性的需求。