专利类型 | 发明公开 | 法律事件 | 公开; 实质审查; |
专利有效性 | 实质审查 | 当前状态 | 实质审查 |
申请号 | CN202311054008.1 | 申请日 | 2023-08-21 |
公开(公告)号 | CN117270549A | 公开(公告)日 | 2023-12-22 |
申请人 | 哈尔滨工业大学; 北京控制与电子技术研究所; 北京航天长征飞行器研究所; 中国人民解放军96901部队31分队; | 申请人类型 | 学校 |
发明人 | 韦常柱; 詹韬; 浦甲伦; 李玉龙; 李强; 胡建; 徐世杰; | 第一发明人 | 韦常柱 |
权利人 | 哈尔滨工业大学,北京控制与电子技术研究所,北京航天长征飞行器研究所,中国人民解放军96901部队31分队 | 权利人类型 | 学校 |
当前权利人 | 哈尔滨工业大学,北京控制与电子技术研究所,北京航天长征飞行器研究所,中国人民解放军96901部队31分队 | 当前权利人类型 | 学校 |
省份 | 当前专利权人所在省份:黑龙江省 | 城市 | 当前专利权人所在城市:黑龙江省哈尔滨市 |
具体地址 | 当前专利权人所在详细地址:黑龙江省哈尔滨市南岗区西大直街92号 | 邮编 | 当前专利权人邮编:150001 |
主IPC国际分类 | G05D1/08 | 所有IPC国际分类 | G05D1/08 ; G05D1/10 |
专利引用数量 | 0 | 专利被引用数量 | 0 |
专利权利要求数量 | 8 | 专利文献类型 | A |
专利代理机构 | 哈尔滨龙科专利代理有限公司 | 专利代理人 | 王新雨; |
摘要 | 一种 飞行器 动 力 故障条件下的上升段轨迹凸优化方法,属于制导与控制技术领域,该方法设计了以飞行器 俯仰 、 偏航 角 度为控制量,以机载故障辨识及 导航系统 输出的飞行器动力故障信息、故障时刻状态量和目标点轨道信息为输入量,自适应不同推力故障量级的轨迹凸优化求解流程。基于增广目标函数构建了多阶段序列凸优化切换条件,并给出了不同求解阶段的重规划策略、规划模型及对应的凸化处理方法,实现了故障条件下飞行器轨迹的高可靠求解。本方法能够适应故障后终端目标可达性未知条件下的上升段轨迹快速重规划需求,可提升序列凸优化求解过程的收敛性,求解 框架 简洁,可为具有相似动力学特性及飞行剖面的高速飞行器轨迹凸优化提供技术参考。 | ||
权利要求 | 1.一种飞行器动力故障条件下的上升段轨迹凸优化方法,其特征在于:所述方法为: |
||
说明书全文 | 一种飞行器动力故障条件下的上升段轨迹凸优化方法技术领域[0001] 本发明属于制导与控制技术领域,特别是涉及一种飞行器动力故障条件下的上升段轨迹凸优化方法。 背景技术[0002] 有动力飞行器上升段飞行过程中可能发生推力下降等动力系统故障,致使飞行器能力部分损失,甚至完全失效造成任务失败,由此带来的经济损失难以估量。飞行器轨迹重规划技术是一种在线获取故障量级信息,通过调整飞行指令,从而降低故障影响,实现任务挽救的有效手段,并且已经在国内外部分发射任务中得到了研究与初步应用,实现了故障发生后,机载计算机及时重新规划并生成新的飞行轨迹,通过各级发动机工作时间/指令的调整,基本完成了发射任务,有效减少了故障带来的损失。 [0003] 具备高实时性的轨迹重规划算法是实现故障条件下飞行器在线任务挽救的核心。目前对于相关算法的研究主要包括离线轨迹设计、在线轨迹优化两类。其中,离线设计方法在发射任务执行前预先考虑可能发生的故障类型及量级,并给出相应的应对策略及应急轨道。此类方法离线准备工作量大,对于在线随机故障与不同初始位置、终端目标组合的适应性不足,且轨迹结果不具备最优性,难以保证在线得到合理轨迹。在线轨迹优化方法可快速得到性能指标最优意义下的轨迹,充分发挥飞行器能力,尽可能实现原定入轨任务,是当前研究热点。然而,飞行器故障后终端目标可达性未知,导致原问题难以保证快速可靠求解。 同时,现有轨迹优化方法一般需要良好的初值参考,粗糙的轨迹初值、上升段复杂严苛约束的共同作用同样会导致问题求解难收敛,甚至求解失败。 [0004] 综上,传统有动力飞行器上升段轨迹重规划方法在终端目标可达性未知、故障量级及初始条件不确定、约束严苛复杂的条件下,求解的实时性、可靠性及最优性等方面存在一定的不足,难以有效适应日益复杂的飞行器故障工况。 发明内容[0005] 本发明目的是为了解决推力下降等动力系统故障条件下飞行器上升段轨迹重规划问题,提供一种飞行器动力故障条件下的上升段轨迹凸优化方法。该方法能广泛应用于包括各类飞行器主动段、入轨段轨迹规划,以及具有相似飞行剖面的高速飞行器轨迹规划问题。 [0006] 本发明的目的是通过以下技术方案实现的: [0007] 一种飞行器动力故障条件下的上升段轨迹凸优化方法,所述方法为: [0008] 步骤一:飞行器发生推力下降故障后,机载故障辨识及导航测量系统开始工作,输出飞行器推力下降量级κ,以及发射惯性系下飞行器的位置矢量R0和速度矢量V0至制导系统进行轨迹重规划; [0009] 步骤二:结合原目标点位置Rf和速度矢量Vf,直接在发射惯性系下构建故障条件下的轨迹重规划问题模型P0,进一步采用两阶段序列凸规划方法对P0进行求解,转步骤三; [0010] 步骤三:第一阶段,引入虚拟控制量ν,对问题P0的终端约束、动力学约束进行松弛,以提升问题的可解性; [0011] 步骤四:在参考轨迹X*附近对约束松弛后的问题模型进行线性化,得到凸优化子问题模型P1; [0012] 步骤五:基于内点法求解凸优化子问题模型P1,判断切换条件λ=|‑(Jk‑Jk‑1)/(Jk‑1 k‑2‑J )‑1|≤ε是否成立,式中,J为目标函数值;上标k表示第k次迭代;ε为常数;若不成立,* 则更新参考轨迹X,转步骤四;若成立,则转步骤六; [0013] 步骤六:从问题模型P1去除动力学约束的虚拟控制量ν,引入信赖域约束调整系数η,并将其作为罚函数加入目标函数J中,继续序列迭代求解,求解过程收敛后,判断终端状态量是否满足精度要求,若满足,则求解成功,输出最优轨迹结果;若不满足,则转步骤七; [0015] 步骤八:序列迭代求解凸优化问题子问题模型P2,若求解过程收敛,则输出轨迹结果,求解结束;若求解失败,则转步骤九; [0016] 步骤九:降低目标轨道高度h*,求解以h*为终端目标的凸优化子问题,若无解,则循*环进行步骤九;若满足收敛条件||X‑X||≤ε,则转步骤十;X为待优化变量; [0017] 步骤十:轨迹重规划成功,输出重规划后的参考轨迹X*及控制量序列U*。 [0018] 本发明相对于现有技术的有益效果为: [0019] 本发明方法设计了以飞行器俯仰、偏航角度为控制量,以机载故障辨识及导航系统输出的飞行器动力故障信息、故障时刻状态量和目标点轨道信息为输入量,自适应不同推力故障量级的轨迹凸优化求解流程。基于增广目标函数构建了多阶段序列凸优化切换条件,并给出了不同求解阶段的重规划策略、规划模型及对应的凸化处理方法,实现了故障条件下飞行器轨迹高可靠求解。 [0020] 本发明所提方法能够适应故障后终端目标可达性未知条件下的上升段轨迹快速重规划需求,可提升序列凸优化求解过程的收敛性,求解框架简洁,具备工程应用潜力,同时可为具有相似动力学特性及飞行剖面的高速飞行器轨迹凸优化提供技术参考。附图说明 [0021] 图1为本发明轨迹重规划策略示意图; [0022] 图2为本发明两阶段轨迹序列凸优化方法流程图。 具体实施方式[0023] 下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。 [0024] 实施例1 [0025] 一种飞行器动力故障条件下的上升段轨迹凸优化方法,所述方法为: [0026] 步骤一:飞行器发生推力下降故障后,机载故障辨识及导航测量系统开始工作,输出飞行器推力下降量级κ,以及发射惯性系下飞行器的位置矢量R0和速度矢量V0至制导系统进行轨迹重规划; [0027] 步骤二:结合原目标点位置Rf和速度矢量Vf,直接在发射惯性系下构建故障条件下的轨迹重规划问题模型P0,进一步采用两阶段序列凸规划方法对P0进行求解,转步骤三; [0028] 步骤三:第一阶段,引入虚拟控制量ν,对问题P0的终端约束、动力学约束进行松弛,以提升问题的可解性; [0029] 步骤四:在参考轨迹X*附近对约束松弛后的问题模型进行线性化,得到凸优化子问题模型P1; [0030] 步骤五:基于内点法求解凸优化子问题模型P1,判断切换条件λ=|‑(Jk‑Jk‑1)/(Jk‑1 k‑2‑J )‑1|≤ε是否成立,式中,J为目标函数值;上标k表示第k次迭代;ε为常数;若不成立,* 则更新参考轨迹X,转步骤四;若成立,则转步骤六; [0031] 步骤六:从问题模型P1去除动力学约束的虚拟控制量ν,引入信赖域约束调整系数η,并将其作为罚函数加入目标函数J中,继续序列迭代求解,求解过程收敛后,判断终端状态量是否满足精度要求,若满足,则求解成功,输出最优轨迹结果;若不满足,则转步骤七; [0032] 步骤七:将求解模型转化至轨道坐标系,放开轨道根数约束,优先保证目标轨道高*度h,构建得到凸优化问题子问题模型P2; [0033] 步骤八:序列迭代求解凸优化问题子问题模型P2,若求解过程收敛,则输出轨迹结果,求解结束;若求解失败,则转步骤九; [0034] 步骤九:降低目标轨道高度h*,求解以h*为终端目标的凸优化子问题,若无解,则循*环进行步骤九;若满足收敛条件||X‑X||≤ε,则转步骤十; [0035] 步骤十:轨迹重规划成功,输出重规划后的参考轨迹X*及控制量序列U*。 [0036] 进一步地,所述步骤二的具体步骤为: [0037] 第一步:构建飞行器故障后的数学模型P0为: [0038] [0039] 式中:x为惯性系x轴位置分量;y为惯性系y轴位置分量;z为惯性系z轴位置分量;Vx为惯性系x轴速度分量;Vy为惯性系y轴速度分量;Vz为惯性系z轴速度分量;φ为俯仰角;ψ为偏航角;T为推力下降后的可用推力幅值;Isp为发动机比冲;R0为地球平均半径;r为地心距;μ为万有引力常数;g0为重力加速度;m为飞行器质量,此外, [0040] [0041] 第二步:在P0中加入边值约束,其中,初始状态约束x(t0)为: [0042] x(t0)=[x y z Vx Vy Vz m]T [0043] 终端约束为: [0044] x(tf)=[xf,yf,zf,Vxf,Vyf,Vzf]T [0045] 第三步:在P0中加入控制量约束,控制量需满足: [0046] [0047] 式中,ux为x方向新控制量;uy为y方向新控制量;uz为z方向新控制量; [0048] 第四步:在P0中加入终端质量及最低飞行高度约束: [0049] m(tf)≥mf,hsafe≤r(tf)‑R0 [0050] 式中:mf为飞行器干重;hsafe为最低飞行高度,即安全救援轨道高度;r(tf)为终端地心距;m(tf)为飞行器终端质量。 [0051] 进一步地,所述步骤三的具体步骤为: [0052] 第一步:引入虚拟控制量v=[ρ,Δxf,Δyf,Δzf,ΔVxf,ΔVyf,ΔVzf]T,其中,ρ为动力学松弛项,Δxf为终端x方向位置松弛项;Δyf为终端y方向位置松弛项;Δzf为终端z方向位置松弛项;ΔVxf为终端x方向速度松弛项;ΔVyf为终端y方向速度松弛项;ΔVzf为终端z方向速度松弛项; [0053] 第二步:将虚拟控制量加入约束中: [0054] [0055] 式中,f为动力学约束的集合; [0056] 第三步:将约束松弛项加入目标函数中,则新目标函数J1为: [0057] J1=γρρ+γx||Δxf||+γy||Δyf||+γz||Δzf||+γvx|Δvxf||+γvy|Δvyf||+γvz||Δvzf|| [0058] 式中,γ为加权系数;γρ为动力学松弛项的权值系数;γx为终端x方向位置松弛项的权值系数;γy为终端y方向位置松弛项的权值系数;γz为终端z方向位置松弛项的权值系数;γvx为终端x方向速度松弛项的权值系数;γvy为终端y方向速度松弛项的权值系数;γvz为终端z方向速度松弛项的权值系数。 [0059] 进一步地,所述步骤四的具体步骤为: [0060] 第一步:在参考轨迹X*附近对目标函数及约束进行线性化: [0061] [0062] 式中:X为待优化变量;g(X)为目标函数及约束的一般形式;g(X*)为参考轨迹处的目标函数及约束值; [0063] 第二步:通过如下松弛变换,实现对于控制量等式约束的无损凸化: [0064] [0065] 第三步:构建以轨迹变化量最小为性能指标的凸优化子问题P1: [0066] minx,u J2=J1+||X‑X*||2 [0067] subject to [0068] x(t0)=[x0,y0,z0,Vx0,Vy0,Vz0,m0]T [0069] ||x(tf)‑[xf,yf,zf,Vxf,Vyf,Vzf]T||≤[Δxf,Δyf,Δzf,ΔVxf,ΔVyf,ΔVzf]T[0070] ||u||≤Γ,Γ=1 [0071] 式中:A(X*),B分别为动力学约束右端函数相对于状态量、控制量的雅克比矩阵;T fΩ(x*)为线性化余项;u=[ux,uy,uz];J2为问题P1的目标函数。 [0072] 进一步地,所述步骤五的具体步骤为: [0073] 切换条件λ的具体表达式为: [0074] λ=|‑(Jk‑Jk‑1)/(Jk‑1‑Jk‑2)‑1|≤ε [0075] 式中:ε为人为设定的常数;Jk为由第k次求解结果计算得到的增广性能指标,计算方法如下式所示: [0076] [0077] 式中:hi(X)为等式约束的违反程度;gi(X)为不等式约束的违反程度;μ1为hi(X)对应的权值系数;μ2为gi(X)对应的权值系数;Ne为等式约束个数;Nie为不等式约束的个数。 [0078] 进一步地,所述步骤六的具体步骤为: [0079] 从P1中去除约束松弛项,并在目标函数中引入信赖域约束,则更新后的第二阶段求解模型为: [0080] minx,u J2=η [0081] subject to [0082] x(t0)=[x0,y0,z0,Vx0,Vy0,Vz0,m0]T [0083] x(tf)=[xf,yf,zf,Vxf,Vyf,Vzf]T [0084] ||u||≤Γ,Γ=1 [0085] ||X‑X*||≤ηδ [0086] 式中:δ为信赖域半径。 [0087] 进一步地,所述步骤七的具体步骤为: [0088] 第一步:构建轨道坐标系下终端约束的简化形式,具体包括: [0089] (1)轨道面约束 [0090] zf=0,Vzf=0 [0091] (2)终端速度约束 [0092] [0093] 式中: 为飞行器在目标轨道进行圆周运动时的轨道速度。 [0094] (3)目标圆轨道偏心率约束 [0095] xfVxf+yfVyf=0 [0096] 第二步:构建入轨点轨道坐标系下的凸优化求解模型P2: [0097] minx,u [0098] subject to [0099] X0=[x0,y0,z0,Vx0,Vy0,Vz0,m0]T [0100] ||zf+Vzf||≤error1 [0101] [0102] [0103] |u|≤Γ,Γ=1 [0104] ||X‑X*||≤ηδ [0105] 式中:errori(i=1,2,3)分别为轨道面约束、终端速度约束以及偏心率约束的松弛误差;C1为松弛误差项的权值系数;C2为信赖域约束项的权值系数;J3为问题P2的目标函数。 [0106] 进一步地,所述步骤九的具体步骤为: [0107] 当求解失败时,按下式更新h*: [0108] h*=hsafe+α(h*‑hsafe) [0109] 式中:h*为目标轨道高度;α为自适应系数,且α∈(0,1);hsafe为最低安全救援轨道,需预先设计得到。 [0110] 以上对本发明所提供的一种飞行器动力故障条件下的上升段轨迹凸优化方法,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。 |