[发明专利]一种智能并行高斯伪谱法飞行器再入轨迹优化方法

说明书

一种智能并行高斯伪谱法飞行器再入轨迹优化方法，采用改进的差分进化算法进行猜测值计算，同时针对传统自适应伪谱法进行改进，通过高斯伪谱法进行离散，并采用改进的稀疏差分序列二次规划算法进行轨迹优化计算。同时结合新的轨迹优化计算构建方法，使再入轨迹优化通过并行计算加快求解速度。其中本发明通过组合三角高斯变异差分进化算法并加入组合权重来适应较优个体，一般个体，当前个体的多样性，避免早熟收敛。

技术领域

本发明涉及一种智能并行高斯伪谱法飞行器再入轨迹优化方法，属于轨迹规划技术领域。

背景技术

当前求解最优控制的方法一般分直接法和间接法两种。间接法通过推导最优控制问题的一阶必要条件，将问题转化为两点边值问题进行求解。直接法采用离散化方法，将飞行器方程沿轨迹方向离散化，从而将连续时间最优控制问题转化为有限个离散点的非线性规划问题。高斯伪谱法将轨迹优化问题转化为非线性规划问题，采用高斯伪谱近似参数化将轨迹划分为多个段使得飞行轨迹上所有的点都满足复杂约束条件。然而无论使用直接法还是间接法，再入飞行器轨迹优化都存在相当的对初值敏感问题。而且对于再入飞行器禁飞区的绕飞、满足热流约束、满足落点约束等一系列约束的优化问题，其仿真分析较慢甚至可能没有可行解。针对以上问题，虽然出现了通过遗传算法对初值进行调整的针对性方案，但其计算量大、计算时间长的问题，是快速轨迹优化的方案不能承受的。

发明内容

本发明要解决的技术问题是：克服现有技术的不足，提供了一种智能并行高斯伪谱法飞行器再入轨迹优化方法，采用改进的差分进化算法进行猜测值计算，同时针对传统自适应伪谱法进行改进，通过高斯伪谱法进行离散，并采用改进的稀疏差分序列二次规划算法进行轨迹优化计算。同时结合新的轨迹优化计算构建方法，使再入轨迹优化通过并行计算加快求解速度。

本发明目的通过以下技术方案予以实现：

一种智能并行高斯伪谱法飞行器再入轨迹优化方法，包括如下步骤：

S1、建立半速度系动力学模型；

S2、根据半速度系动力学模型，初始化状态量，包括初始点的状态变量、截止点的状态变量、时间变量及控制变量，控制变量包括攻角、倾侧角；利用伪谱法随机生成第一代种群，其中种群大小为M，种群维度为D；确定最大迭代次数；

S3、将生成的种群导入自适应伪谱法中求解，若优化失败则将改进差分进化算法的适应度函数设置为一个大于第一代适应度10倍的数值；若优化成功则对优化后的攻角和倾侧角进行无量纲处理，并计算相应的适应度函数；

S4、通过组合三角高斯变异方法对已有的个体进行变异；

S5、设定交叉因子，对每个变异个体取随机数，如果小于交叉因子，则使用该变异个体的元素取代上一代中与该个体相应的元素；

S6、利用变异、交叉后的个体，采用自适应伪谱法，进行正向伪谱优化和反向伪谱优化；根据优化结果确定适应度函数；将当代个体与上一代个体一一对比，在两个个体中选择保留适应度函数值小的个体，然后生成新一代种群，并获得具有最小适应度函数的最佳个体；

S7、在未达到最大迭代次数前，重复S4～S6；当达到最大迭代次数时，则得到最佳适应度函数值和最佳个体，完成再入轨迹优化目标。

上述智能并行高斯伪谱法飞行器再入轨迹优化方法，优选的，S2中，伪谱法配点数量大于5。

上述智能并行高斯伪谱法飞行器再入轨迹优化方法，优选的，S5中，交叉因子的值在[0.6,0.9]范围内。

上述智能并行高斯伪谱法飞行器再入轨迹优化方法，优选的，S6中，通过正向伪谱优化和反向伪谱优化，获得优化后的攻角、倾侧角，然后获得再入轨迹。

一种智能并行高斯伪谱法飞行器再入轨迹优化方法，包括如下步骤：