[发明专利]一种基于免疫克隆选择的再入轨迹优化方法

权利要求书

1.一种基于免疫克隆选择的再入轨迹优化方法，其特征在于包括以下步骤：

第一步，构建飞行器再入轨迹最优控制问题；

第二步，将飞行器再入轨迹最优控制问题离散参数化为非线性规划问题；

第三步，采用免疫克隆选择算法求解飞行器再入轨迹非线性规划问题，得到一个次优解z_sub；

第四步，以次优解z_sub为初始估计解，采用序列二次规划法求解飞行器再入轨迹非线性规划问题，得到飞行器再入轨迹非线性规划问题的最优解z_opt，对z_opt进行插值处理，得到连续的飞行器最优再入轨迹；

所述采用免疫克隆选择算法进行初始搜索，得到一个次优解z_sub，包括以下步骤：

(1)定义适应度函数fit(·)：

fit(·)＝||c(·)||₁+||max{0,g(·)}||₁；

其中，||·||₁为1范数运算符；

(2)定义迭代次数为i，并初始化i＝0，i的最大值N_stop，N_stop≥10，若飞行器再入轨迹最优控制问题终端时刻固定，在控制容许集内随机产生飞行器再入轨迹非线性规划问题的N个不同的父代解k＝1,2,…,N，N≥2；反之，若终端时刻不固定，将终端时刻也作为优化变量，随机产生飞行器再入轨迹非线性规划问题的N个不同的父代解

(3)通过适应度函数fit(·)，计算N个不同父代解各自的适应度函数值将按由小到大的顺序排列，并按相应顺序排列N个父代解得到有序的N个适应度函数值以及其对应的有序的N个父代解其中，j＝1,2,…,N，N≥2；

(4)通过有序的确定的子代解群体规模clone_j，得到有序的N个子代解群体的规模clone_j，其中，j＝1,2,…,N，N≥2，clone_j的表达式为：

其中，为向上取整运算符；

(5)每个父代解复制得到clone_j个子代解z_j,t，其中，t＝1,2,…,clone_j，更新每个子代解z_j,t上的变量，得到新的子代解z′_j,t；

(6)通过适应度函数fit(·)，计算每个子代解z′_j,t的适应度函数值fit(z′_j,t)，每个子代解z′_j,t与其父代解构成N个群体选出每个群体内最小适应度函数值对应的解，作为新的父代解

(7)更新迭代次数标记i＝i+1，判断i＝N_stop是否成立，若成立，进行步骤(8)，否则，进行(3)；

(8)通过目标函数f(·)计算N个父代解对应的目标函数值选出最小目标函数值对应的父代解，作为飞行器再入轨迹非线性规划问题的次优解z_sub。

2.如权利要求1所述的基于免疫克隆选择的再入轨迹优化方法，其特征在于，所述飞行器再入轨迹最优控制问题，由状态微分方程、过程约束、控制容许集、边界条件和性能指标要素共同组成。