[发明专利]一种基于免疫克隆选择的再入轨迹优化方法

说明书

本发明属于制导控制技术领域，公开了一种基于免疫克隆选择的再入轨迹优化方法，适用于高速飞行器再入大气时，寻求一条使指定性能指标达到最优的飞行轨迹。实现步骤包括：构建飞行器再入轨迹最优控制问题；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；采用免疫克隆选择算法求解非线性规划问题，得到非线性规划问题的次优解；以该次优解为初始估计解，采用序列二次规划法求解非线性规划问题，得到飞行器最优再入轨迹。本发明将免疫克隆选择算法得到的次优解作为序列二次规划法的初始估计解，避免了繁琐的人工设计和初值试验，提高了序列二次规划法求解的收敛速度，同时依靠序列二次规划法进一步提高了精度。

技术领域

本发明属于制导控制技术领域，尤其涉及一种基于免疫克隆选择的再入轨迹混合优化方法。

背景技术

飞行器从大气层边界某一再入点，无推力飞行至预定落点的质心运动轨迹称为再入轨迹。再入轨迹优化具有十分重要的意义及工程价值。通过轨迹优化，设计出性能更好的再入轨迹，实现最大航程、最小加热量等性能指标，可以提高飞行器的任务执行能力。作为引导飞行器准确到达落点，从而完成回收的关键技术之一，飞行器再入轨迹优化问题求解方法的研究已成为各国学者竞相探讨的热点。飞行器再入大气过程中，需要在几十公里的下降高度内，以很快的速度实现上千、甚至上万公里的远距离无推力滑翔，这对于飞行器来说是很困难的。飞行环境复杂多变，动力学模型中突出的非线性特征等特点也增大了多变量、多约束的再入轨迹优化问题的求解难度。飞行器再入最优轨迹的生成本质上是求解非线性、带有状态约束和控制约束的动态最优控制问题。目前，应用最普遍的飞行器再入轨迹优化思路是将再入轨迹最优控制问题离散化参数化为非线性规划问题，然后通过优化算法对性能指标直接寻优。常用的优化算法可以分为梯度优化算法和智能优化算法。

目前，与本方案最接近的现有技术及其存在的问题如下：

现有技术一公开了一种采用序列二次规划算法对飞行器再入轨迹进行优化的方法。序列二次规划算法是目前最优秀的一种梯度优化算法，虽然具备良好的局部寻优能力并被广泛采用，但仍然存在梯度优化算法所共有的对初始估计解敏感的缺陷，当初始估计解较差时，求解耗时较长。

现有技术二公开了一种免疫克隆选择算法，该算法属于智能优化方法，对初始估计解敏感度较低，但其局部寻优能力较差，算法迭代求解后期的寻优效率和解的精度较低。

相比上述现有技术，本发明具有如下优点：

(1)本发明采用免疫克隆选择算法进行初始搜索，将得到的次优解作为序列二次规划算法的初始估计解，在轨迹先验信息较少的情况下，避免了繁琐的人工设计和初值试验，并且提高了序列二次规划算法的收敛速度，规避了单一使用梯度优化算法或智能优化类方法存在的固有缺陷。

(2)针对飞行器再入轨迹非线性规划问题变量较多的特点，对免疫克隆选择算法进行适应性改进，将每次迭代求解过程中解上变量的更新个数与当前迭代次数关联起来，使算法在迭代求解初期具有较强的全局搜索能力，迭代求解后期具有较强的局部搜索能力，提高了免疫克隆选择算法的寻优效率。

发明内容

针对现有技术存在的问题，本发明提供了一种基于免疫克隆选择的再入轨迹优化方法，旨在利用免疫克隆选择算法为序列二次规划算法提供一个良好的初始估计解，以提高序列二次规划算法求解时的收敛速度。

本发明是这样实现的，一种基于免疫克隆选择的再入轨迹优化方法，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；