CN109117544B - 一种天地往返飞行器全轨迹的优化方法 - Google Patents

一种天地往返飞行器全轨迹的优化方法 Download PDF

Info

Publication number
CN109117544B
CN109117544B CN201810890877.0A CN201810890877A CN109117544B CN 109117544 B CN109117544 B CN 109117544B CN 201810890877 A CN201810890877 A CN 201810890877A CN 109117544 B CN109117544 B CN 109117544B
Authority
CN
China
Prior art keywords
optimization
aircraft
cruise
model
constraint
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810890877.0A
Other languages
English (en)
Other versions
CN109117544A (zh
Inventor
王开强
张柏楠
侯砚泽
陈冲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Space Technology Research and Test Center
Original Assignee
Beijing Space Technology Research and Test Center
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Space Technology Research and Test Center filed Critical Beijing Space Technology Research and Test Center
Priority to CN201810890877.0A priority Critical patent/CN109117544B/zh
Publication of CN109117544A publication Critical patent/CN109117544A/zh
Application granted granted Critical
Publication of CN109117544B publication Critical patent/CN109117544B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种天地往返飞行器全轨迹的优化方法，包括：S1.基于第一模型参数信息建立飞行器巡航轨迹段的单目标优化模型；S2.基于第二模型参数信息建立飞行器剩余轨迹段的多目标优化模型；S3.基于飞行器参数信息建立所述飞行器的飞行器模型；S4.基于所述飞行器模型并采用单目标优化算法对所述单目标优化模型进行求解，并获取第一优化结果；S5.基于所述飞行器模型和所述第一优化结果，并采用多目标优化算法对所述多目标优化模型进行求解，并获取第二优化结果；S6.汇总所述第一优化结果和第二优化结果生成优化解集库，根据所述解集库生成所述飞行器的最优飞行轨迹方案。

Description

一种天地往返飞行器全轨迹的优化方法
技术领域
本发明涉及一种天地往返飞行器全轨迹的优化方法，尤其涉及一种高超声速天地往返飞行器全轨迹的优化方法。
背景技术
随着超燃冲压发动机技术的兴起和发展，高超声速的巡航飞行器逐渐进入科研人员的研究视线。其推进效率相比于传统火箭得到大幅提高，可在20km以上的高度进行马赫数大于5的高超声速巡航飞行，并返回地面的规定机场进行着陆。这种类型的高超声速巡航飞行器，具有发动机效率高、巡航速度更快、可重复使用等优势，在未来的空基发射入轨领域具有很好的发展前景。
对于高超声速巡航飞行器，其整个飞行轨迹可划分为上升段、巡航段和下降段等多个飞行阶段。各飞行阶段均包含了众多不同类型的约束条件，且飞行器的状态不尽相同，发动机、气动与轨迹的耦合效应较为明显。在飞行器的整个飞行轨迹中，上升段和下降段分别以巡航飞行状态作为终端飞行状态约束和飞行状态初值，来进行各自轨迹的优化。因此，巡航飞行状态对全轨迹的影响十分直接和重要。目前已有对飞行器飞行轨迹优化的方法大都事先人为确定了一个固定的巡航高度、马赫数等巡航飞行状态，这很大程度的限制了整个飞行轨迹的优化设计空间。
发明内容
本发明的目的在于提供一种天地往返飞行器全轨迹的优化方法，可以在满足一定轨迹约束条件的要求下，给出巡航飞行任务目标最优和飞行技术难度指标矛盾权衡优化时的优化解集库。用于天地往返巡航飞行器的轨迹优化设计和飞行方案设计。
为实现上述发明目的，本发明提供一种天地往返飞行器全轨迹的优化方法，包括：
S1.基于第一模型参数信息建立飞行器巡航轨迹段的单目标优化模型；
S2.基于第二模型参数信息建立飞行器剩余轨迹段的多目标优化模型；
S3.基于飞行器参数信息建立所述飞行器的飞行器模型；
S4.基于所述飞行器模型并采用单目标优化算法对所述单目标优化模型进行求解，并获取第一优化结果；
S5.基于所述飞行器模型和所述第一优化结果，并采用多目标优化算法对所述多目标优化模型进行求解，并获取第二优化结果；
S6.汇总所述第一优化结果和第二优化结果生成优化解集库，根据所述解集库生成所述飞行器的最优飞行轨迹方案。
根据本发明的一个方面，所述第一模型参数信息包括第一优化目标、第一设计变量和第一约束条件；
所述第一优化目标包括巡航时间tcr、巡航高度hcr和巡航马赫数Macr；
所述第一设计变量包括巡航初始时刻的高度h0cr、巡航初始时刻的马赫数Ma0cr和巡航期间的飞行攻角αcr；
所述第一约束条件包括巡航马赫数Macr约束、巡航航迹倾斜角γcr约束、动压qd约束和驻点热流Qs峰值约束。
根据本发明的一个方面，所述巡航马赫数Macr约束和所述巡航航迹倾斜角γcr约束满足：
Figure BDA0001756925540000021
其中，
Figure BDA0001756925540000022
为最大巡航马赫数，
Figure BDA0001756925540000023
为最小巡航马赫数，
Figure BDA0001756925540000024
为最大巡航航迹倾斜角，
Figure BDA0001756925540000025
为最小巡航航迹倾斜角；
所述动压qd约束满足：
Figure BDA0001756925540000026
其中，
Figure BDA0001756925540000027
为动压上边界；
所述驻点热流Qs峰值约束满足：
Figure BDA0001756925540000028
其中，Qsm为驻点热流Qs的峰值，
Figure BDA0001756925540000031
为驻点热流Qs的峰值上边界。
根据本发明的一个方面，所述第二模型参数信息包括第二优化目标、第二设计变量和第二约束条件；
所述第二优化目标包括驻点热流Qs和轨迹振荡Δγsum，其中，
Figure BDA0001756925540000032
其中，tf为所述飞行器全轨迹的总飞行时间；
所述第二设计变量包括爬升滑行段飞行攻角αcg和返回段飞行攻角αrt；
所述第二约束条件包括动压qd约束、过载nload约束、驻点热流Qs峰值约束、爬升滑行段终端飞行状态约束和进场着陆初始飞行状态约束。
根据本发明的一个方面，所述动压qd约束满足：
Figure BDA0001756925540000033
其中，
Figure BDA0001756925540000034
为动压上边界；
所述过载nload约束满足：
Figure BDA0001756925540000035
其中，
Figure BDA0001756925540000036
为过载上边界；
所述驻点热流Qs峰值约束满足：
Figure BDA0001756925540000037
其中，Qsm为驻点热流Qs的峰值，
Figure BDA0001756925540000038
为驻点热流Qs的峰值上边界；
所述爬升滑行段终端飞行状态约束满足：
Figure BDA0001756925540000039
其中，hfcg为所述飞行器爬升滑行段结束时的高度，Mafcg为所述飞行器爬升滑行段结束时的马赫数，h0cr为巡航初始时刻的高度，Ma0cr为巡航初始时刻的马赫数，γfcg为所述飞行器爬升滑行段结束时的爬升航迹倾斜角；
所述进场着陆初始飞行状态约束满足：
Figure BDA0001756925540000041
其中，hf为飞行器的飞行高度，hfr为飞行器的飞行高度的要求值，vf为飞行器的飞行速度，
Figure BDA0001756925540000042
为飞行速度vf的上边界，
Figure BDA0001756925540000043
为飞行速度vf的下边界，γf为所述飞行器返回段结束时的返回航迹倾斜角，
Figure BDA0001756925540000044
为返回航迹倾斜角γf的上边界，
Figure BDA0001756925540000045
为返回航迹倾斜角γf的下边界，xf为飞行器的航程，
Figure BDA0001756925540000046
为航程xf的上边界，
Figure BDA0001756925540000047
为航程xf的下边界。
根据本发明的一个方面，所述飞行器参数信息包括：飞行器初始质量m0、发动机模型参数和气动模型参数；
所述飞行器初始质量m0满足：
m0＝m1dry+m1fuel+m2dry+m2fuel
其中，m1dry为固体助推器干重，m1fuel为固体火箭推进剂的质量，m2dry为飞行器本体干重，m2fuel为飞行器本体的燃料质量；
所述发动机模型参数包括发动机推力Ft和质量流量m；
所述气动模型参数包括阻力系数CD和升力系数CL。
根据本发明的一个方面，步骤S4中，选取所述巡航时间tcr、所述巡航高度hcr、所述巡航马赫数Macr中的任一进行单目标优化求解，获取所述第一优化结果；或者，分别对所述巡航时间tcr、所述巡航高度hcr、所述巡航马赫数Macr进行单目标优化求解，获取所述第一优化结果。
根据本发明的一个方面，步骤S5中包括：
S501.目标函数归一化；
S502.搜寻锚点；
S503.生成理想超平面，过各所述锚点生成理想超平面；
S504.在所述理想超平面上生成优化参考点；
S505.压缩目标搜索域；
S506.对于每一个所述优化参考点，结合目标搜索域压缩策略，生成其对应的单目标优化问题，并采用单目标优化算法进行求解；
S507.若多目标优化模型为三维以下的多目标优化问题，则直接滤除局部多目标优化解，获取所述第二优化结果。
根据本发明的一个方面，步骤S5中还包括：
S508.若多目标优化模型为三维以上的多目标优化问题，则旋转目标搜索域；
S509.搜寻边界优化点；
S510.增添优化点；
S511.滤除局部多目标优化解，获取所述第二优化结果。
根据本发明的一个方面，步骤S509中，基于二分法，根据旋转后的所述目标搜索域，搜寻目标空间内位于边界的边界优化点。
根据本发明的一种方案，在满足设计约束要求的前提下，设计优化得到令巡航飞行任务目标最优的巡航轨迹，并得到以此最优巡航状态为基础的能够尽量降低整个飞行技术难度的剩余段飞行轨迹库。
根据本发明的一种方案，巡航段作为高超声速巡航飞行器的主要飞行阶段，其对应的巡航飞行状态应当根据飞行任务需求和约束，采用优化的手段设计确定，从而更全面的挖掘巡航段乃至整个飞行轨迹的设计优化空间，得到更具意义的优化解。同时，采用本发明的方法对飞行器全轨迹分步与多目标优化，实现了巡航飞行任务目标的优化和飞行技术难度优化。
附图说明
图1示意性表示根据本发明的一种实施方式的优化方法的步骤框图；
图2示意性表示根据本发明的一种实施方式的优化方法的飞行器全轨迹分步优化关系图；
图3示意性表示根据本发明的一种实施方式优化方法的多目标优化方法步骤流程图；
图4示意性表示根据本发明的一种实施方式的优化方法的剩余段轨迹多目标优化点集图；
图5示意性表示根据本发明的一种实施方式的优化方法的高度-时间曲线对比图。
具体实施方式
为了更清楚地说明本发明实施方式或现有技术中的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
在针对本发明的实施方式进行描述时，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”所表达的方位或位置关系是基于相关附图所示的方位或位置关系，其仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此上述术语不能理解为对本发明的限制。
下面结合附图和具体实施方式对本发明作详细地描述，实施方式不能在此一一赘述，但本发明的实施方式并不因此限定于以下实施方式。
如图1所示，根据本发明的一种实施方式，本发明的一种天地往返飞行器全轨迹的优化方法，包括：
S1.基于第一模型参数信息建立飞行器巡航轨迹段的单目标优化模型；
S2.基于第二模型参数信息建立飞行器剩余轨迹段的多目标优化模型；
S3.基于飞行器参数信息建立飞行器的飞行器模型；
S4.基于飞行器模型并采用单目标优化算法对单目标优化模型进行求解，并获取第一优化结果；
S5.基于飞行器模型和第一优化结果，并采用多目标优化算法对多目标优化模型进行求解，并获取第二优化结果；
S6.汇总第一优化结果和第二优化结果生成优化解集库，根据解集库生成飞行器的最优飞行轨迹方案。
根据本发明的一种实施方式，在步骤S1中建立飞行器巡航轨迹段的单目标优化模型。在本实施方式中，通过第一模型参数信息建立飞行器巡航轨迹段的单目标优化模型。其中，第一模型参数信息包括第一优化目标、第一设计变量和第一约束条件。在本实施方式中，首先设置巡航段的第一优化目标，第一优化目标包括巡航时间tcr、巡航高度hcr和巡航马赫数Macr；然后设置飞行器巡航段的第一设计变量，第一设计变量包括巡航初始时刻的高度h0cr、巡航初始时刻的马赫数Ma0cr和巡航期间的飞行攻角αcr；最后整理并设置飞行器巡航段优化的第一约束条件，第一约束条件包括巡航马赫数Macr约束、巡航航迹倾斜角γcr约束、动压qd约束和驻点热流Qs峰值约束。在本实施方式中，巡航飞行器采用稳态巡航，期间高度、马赫数变化不大。因此，第一优化目标中的巡航高度hcr和巡航马赫数Macr可采用巡航开始时刻的巡航初始时刻的高度h0cr、巡航初始时刻的马赫数Ma0cr等表征整个巡航期间的相应飞行状态信息。在本实施方式中，第一优化目标需要实现巡航时间tcr最长，巡航初始时刻的高度h0cr最高，巡航初始时刻的马赫数Ma0cr最大。在实际应用中，应从上述第一优化目标中确定一个进行单目标优化。或这分别对第一优化目标中的3个分别进行单目标优化。
在本实施方式中，在本步骤S1中，设置第一步优化的设计变量为：巡航初始时刻的高度h0cr、巡航初始时刻的马赫数Ma0cr和巡航期间的飞行攻角αcr。由于不同飞行器的任务状态不同，因此需要根据实际需求确定各变量的取值范围。
在本实施方式中，在整理并设置飞行器巡航段的约束条件时，巡航马赫数Macr约束和巡航航迹倾斜角γcr约束根据稳态巡航的推阻平衡和升重平衡条件，可知飞行器在巡航期间巡航马赫数Macr、巡航航迹倾斜角γcr的理论变化量应为零，但在实际飞行中很难保证上述变化量绝对为零，需要给定一个很小的容许变化范围，因此，巡航马赫数Macr约束和巡航航迹倾斜角γcr约束满足：
Figure BDA0001756925540000071
其中，
Figure BDA0001756925540000072
为最大巡航马赫数，
Figure BDA0001756925540000073
为最小巡航马赫数，
Figure BDA0001756925540000074
为最大巡航航迹倾斜角，
Figure BDA0001756925540000075
为最小巡航航迹倾斜角；
在本实施方式中，在实际巡航飞行过程中，飞行器的飞行动压应小于动压约束上边界，因此动压qd约束满足：
Figure BDA0001756925540000076
其中，
Figure BDA0001756925540000077
为动压上边界；
在本实施方式中，在实际巡航飞行过程中，飞行器的驻点热流Qs的最大值，即驻点峰值热流Qsm应小于上边界，驻点热流Qs峰值约束满足：
Figure BDA0001756925540000081
其中，Qsm为驻点热流Qs的峰值，
Figure BDA0001756925540000082
为驻点热流Qs的峰值上边界。
根据本发明的一种实施方式，步骤S2中建立飞行器剩余轨迹段的多目标优化模型。在本实施方式中，通过第二模型参数信息建立飞行器剩余轨迹段的多目标优化模型。剩余轨迹段包括飞行器的爬升滑行轨迹段和返回轨迹段。第二模型参数信息包括第二优化目标、第二设计变量和第二约束条件。在本实施方式中，首先设置剩余轨迹段的第二优化目标，第二优化目标包括驻点热流Qs和轨迹振荡Δγsum；然后设置飞行器剩余轨迹段的第二设计变量，第二设计变量包括爬升滑行段飞行攻角αcg和返回段飞行攻角αrt；最后整理并设置飞行器剩余轨迹段优化的第二约束条件，第二约束条件包括动压qd约束、过载nload约束、驻点热流Qs峰值约束、爬升滑行段终端飞行状态约束和进场着陆初始飞行状态约束。在本实施方式中，第二优化目标目的是减小飞行器的爬升滑行轨迹段和返回轨迹段的飞行难度，在保证达到规定巡航飞行状态要求的前提下，减小整个飞行任务执行的难度。在本实施方式中，从驻点热流Qs的驻点热流峰值Qsm和轨迹振荡Δγsum程度两方面评价飞行难度，并作为优化目标考虑。因此，在剩余轨迹段第二优化目标的优化为二维多目标优化，并且使第二优化目标中的驻点热流Qs的驻点热流峰值Qsm和轨迹振荡Δγsum满足：
驻点热流峰值Qsm最低，Min Qsm；
轨迹振荡Δγsum最小，用航迹倾斜角的全程累积变化量表示，MinΔγsum，其满足：
Figure BDA0001756925540000083
其中，tf为所述飞行器全轨迹的总飞行时间。
在本实施方式中，在本步骤S2中，设置第二步优化的设计变量为：爬升滑行段飞行攻角αcg和返回段飞行攻角αrt。由于不同飞行器的任务状态不同，需要根据实际需求确定各变量的取值范围。
在本实施方式中，在整理并设置飞行器剩余轨迹段的约束条件时，分别对动压qd约束、过载nload约束、驻点热流Qs峰值约束、爬升滑行段终端飞行状态约束和进场着陆初始飞行状态约束进行整理并设置。
在本实施方式中，在实际剩余轨迹段飞行过程中，飞行器的飞行动压应小于动压约束上边界，因此动压qd约束满足：
Figure BDA0001756925540000091
其中，
Figure BDA0001756925540000092
为动压上边界；
在本实施方式中，在实际剩余轨迹段飞行过程中，飞行器的过载nload应小于过载约束上边界，因此过载nload约束满足：
Figure BDA0001756925540000093
其中，
Figure BDA0001756925540000094
为过载上边界；
在本实施方式中，在实际剩余轨迹端飞行过程中，飞行器的驻点热流Qs的最大值，即驻点峰值热流Qsm应小于上边界，驻点热流Qs峰值约束满足：
Figure BDA0001756925540000095
其中，Qsm为驻点热流Qs的峰值，
Figure BDA0001756925540000096
为驻点热流Qs的峰值上边界。
在本实施方式中，飞行器爬升滑行段结束时，其高度和马赫数必须与前述步骤S1中得到的巡航段入口位置的巡航初始时刻的高度h0cr和巡航初始时刻的马赫数Ma0cr相等，且此时航迹倾斜角应基本为0，但在实际飞行中很难保证上述航迹倾斜角绝对为零，这里同样设置一个很小的容许范围。因此，爬升滑行段终端飞行状态约束满足：
Figure BDA0001756925540000097
其中，hfcg为所述飞行器爬升滑行段结束时的高度，Mafcg为所述飞行器爬升滑行段结束时的马赫数，h0cr为巡航初始时刻的高度，Ma0cr为巡航初始时刻的马赫数，γfcg为所述飞行器爬升滑行段结束时的爬升航迹倾斜角；
在本实施方式中，飞行器在返回段结束时，须满足一定的关于高度、速度、航迹倾斜角和航程的进场着陆条件，因此进场着陆初始飞行状态约束满足：
Figure BDA0001756925540000101
其中，hf为飞行器的飞行高度，hfr为飞行器的飞行高度的要求值，vf为飞行器的飞行速度，
Figure BDA0001756925540000102
为飞行速度vf的上边界，
Figure BDA0001756925540000103
为飞行速度vf的下边界，γf为所述飞行器返回段结束时的返回航迹倾斜角，
Figure BDA0001756925540000104
为返回航迹倾斜角γf的上边界，
Figure BDA0001756925540000105
为返回航迹倾斜角γf的下边界，xf为飞行器的航程，
Figure BDA0001756925540000106
为航程xf的上边界，
Figure BDA0001756925540000107
为航程xf的下边界。
根据本发明的一种实施方式，步骤S3中，建立飞行器的飞行器模型。在本实施方式中，根据飞行器参数信息建立飞行器的飞行器模型。其中，飞行器参数信息包括：飞行器初始质量m0、发动机模型参数和气动模型参数。在本实施方式中，由于飞行器包含固体火箭助推器(包含过渡段)和天地往返飞行器本体两部分，整个组合体在发射时刻的质量，即飞行器初始质量m0满足：
m0＝m1dry+m1fuel+m2dry+m2fuel
其中，m1dry为固体助推器干重(包含过渡段质量)，m1fuel为固体火箭推进剂的质量，m2dry为飞行器本体干重，m2fuel为飞行器本体的燃料质量。
在本实施方式中，发动机模型参数包括发动机推力Ft和质量流量m。在本实施方式中，飞行器为高超声速飞行器，其发送机采用冲压发动机，因此需要建立发动机推力Ft和质量流量m随马赫数Ma、高度h、攻角α等参数的变化关系：
Ft＝ft(Ma，h，α)
m＝fm(Ma，h，α)
其中，ft和fm分别为根据已知发动机数据，得到发动机推力和质量流量的插值函数。
在本实施方式中，气动模型参数包括阻力系数CD和升力系数CL。在本实施方式中，飞行器在高超声速飞行过程中需要建立阻力系数CD和升力系数CL随马赫数Ma和攻角α的变化关系：
CD＝fD(Ma，α)
CL＝fL(Ma，α)
其中，fD和fL分别为根据已知气动参数二维插值表，得到阻力系数CD和升力系数CL的插值函数。
根据本发明的一种实施方式，步骤S4中，基于飞行器模型并采用单目标优化算法对单目标优化模型进行求解，并获取第一优化结果。在本实施方式中，采用单目标优化算法序列二次规划法(Sequential Quadratic Programming,SQP)求解单目标优化模型中飞行器巡航轨迹端的优化问题。在本实施方式中，可选取巡航时间tcr、巡航高度hcr、巡航马赫数Macr中的任一一项通过单目标优化算法进行单目标优化求解，获取第一优化结果。或者，分别对巡航时间tcr、巡航高度hcr、巡航马赫数Macr通过单目标优化算法进行单目标优化求解，获取所述第一优化结果。
如图2所示，根据本发明的一种实施方式，步骤S5中，根据步骤S4中获取的第一优化结果对飞行器巡航轨迹段进行优化，基于优化后的巡航轨迹段对飞行器全轨迹巡航端进行分步优化，即剩余轨迹段进行优化，参见图2所示。在本实施方式中，需要针对驻点热流峰值Qsm和轨迹振荡总量Δγsum两个优化目标进行多目标优化。在本实施方式中，采用多目标优化算法第三代直接搜索域法(Directed Search Domain III,DSD-III)，求解多目标优化模型剩余轨迹段优化问题。在本实施方式中，采用优化求解策略将多目标优化问题转换为单目标优化问题进行求解，对所有优化解进行汇总和处理后，得到多目标优化解，即第二优化结果。
如图3所示，根据本发明的一种实施方式，步骤S5中，基于飞行器模型和第一优化结果，并采用多目标优化算法对多目标优化模型进行求解，并获取第二优化结果。在本实施方式中，步骤S5中包括：
S501.目标函数归一化。
S502.搜寻锚点，在本实施方式中，锚点即为单目标最优时的优化点。
S503.生成理想超平面，过各所述锚点生成理想超平面。
S504.在所述理想超平面上生成优化参考点。
S505.压缩目标搜索域，在本实施方式中，多目标优化算法第三代直接搜索域法集成了原始第一代直接搜索域法(DSD)和第二代直接搜索域法(DSD-II)算法的相应策略，供针对具体问题进行选用。在本实施方式中，优先选用第二代直接搜索域法(DSD-II)的压缩策略，但优化问题中存在初值敏感性问题时，可选择第一代直接搜索域法(DSD)算法的压缩策略。
S506.对于每一个所述优化参考点，结合前述步骤S505中相应的目标搜索域压缩策略，生成其对应的单目标优化问题，并采用单目标优化算法进行求解。
S507.若多目标优化模型为三维以下的多目标优化问题，则直接滤除局部多目标优化解，获取第二优化结果。
如图3所示，在本实施方式中，步骤S5中还包括：
S508.若多目标优化模型为三维以上的多目标优化问题，则旋转目标搜索域。在本实施方式中，通过调用旋转搜索策略，对前述步骤中压缩后的搜索域进行旋转，从而保证优化搜索能够较全面的覆盖整个优化空间。
S509.搜寻边界优化点，在本实施方式中，第三代直接搜索域法基于二分法，根据旋转后的目标搜索域，搜寻目标空间内位于边界的边界优化点。
S510.增添优化点，在本实施方式中，根据第三代直接搜索域法关于优化点是否需要增加的判断条件，按照一定的计算和优化方法，新增优化问题和得到的优化点。
S511.滤除局部多目标优化解，获取第二优化结果，在本实施方式中，第三代直接搜索域法集成了两种方法滤除局部的优化解，以保证优化解的全局最优性。
根据本发明的一种实施方式，步骤S6中对第一优化结果和第二优化结果进行汇总生成优化解集库。在本实施方式中，根据解集库生成飞行器的最优飞行轨迹方案。例如，参见表1和表2，表1中数据为以一个算例得到的飞行器在巡航轨迹段巡航时间最长的优化轨迹飞行状态。表2中数据为通过汇总步骤S507和步骤S511中获取的第二优化结果从而生成飞行器剩余轨迹段多目标优化解集库。同时，根据表2的飞行器剩余轨迹段多目标优化解集库生成剩余段轨迹多目标优化点集如图4所示。如图5所示，在本实施中，可选取表2中优化解标号为1和19的两组数据生成图5中高度-时间曲线对比图。通过表1和表2中的数据进行飞行器巡航轨迹段最优解(即第一步优化结果)和剩余轨迹段最优解(即第二步优化结果)的组合从而构成了飞行器全轨迹的优化结果。
Figure BDA0001756925540000131
表1最优巡航轨迹算例结果
Figure BDA0001756925540000132
表2剩余段多目标优化解集库
上述内容仅为本发明的具体方案的例举，对于其中未详尽描述的设备和结构，应当理解为采取本领域已有的通用设备及通用方法来予以实施。
以上所述仅为本发明的一个方案而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种天地往返飞行器全轨迹的优化方法，包括：
S1.基于第一模型参数信息建立飞行器巡航轨迹段的单目标优化模型；
所述第一模型参数信息包括第一优化目标、第一设计变量和第一约束条件；
所述第一优化目标包括巡航时间tcr、巡航高度hcr和巡航马赫数Macr；
所述第一设计变量包括巡航初始时刻的高度h0cr、巡航初始时刻的马赫数Ma0cr和巡航期间的飞行攻角αcr；
所述第一约束条件包括巡航马赫数Macr约束、巡航航迹倾斜角γcr约束、动压qd约束和驻点热流Qs峰值约束；
S2.基于第二模型参数信息建立飞行器剩余轨迹段的多目标优化模型；
所述第二模型参数信息包括第二优化目标、第二设计变量和第二约束条件；
所述第二优化目标包括驻点热流Qs和轨迹振荡Δγsum，其中，
Figure FDA0003229560540000011
其中，tf为所述飞行器全轨迹的总飞行时间；
所述第二设计变量包括爬升滑行段飞行攻角αcg和返回段飞行攻角αrt；
所述第二约束条件包括动压qd约束、过载nload约束、驻点热流Qs峰值约束、爬升滑行段终端飞行状态约束和进场着陆初始飞行状态约束；
所述剩余轨迹段包括飞行器的爬升滑行轨迹段和返回轨迹段；
S3.基于飞行器参数信息建立所述飞行器的飞行器模型；
S4.基于所述飞行器模型并采用单目标优化算法对所述单目标优化模型进行求解，并获取第一优化结果；
其中，采用序列二次规划法求解单目标优化模型中飞行器巡航轨迹段的优化问题，选取所述巡航时间tcr、所述巡航高度hcr、所述巡航马赫数Macr中的任一一项通过单目标优化算法进行单目标优化求解，获取第一优化结果；或者，分别对所述巡航时间tcr、所述巡航高度hcr、所述巡航马赫数Macr通过单目标优化算法进行单目标优化求解，获取所述第一优化结果；
S5.基于所述飞行器模型和所述第一优化结果，并采用多目标优化算法对所述多目标优化模型进行求解，并获取第二优化结果；
其中，采用第三代直接搜索域法求解多目标优化模型剩余轨迹段优化问题；
S6.汇总所述第一优化结果和第二优化结果生成优化解集库，根据所述解集库生成所述飞行器的最优飞行轨迹方案。
2.根据权利要求1所述的优化方法，其特征在于，所述巡航马赫数Macr约束和所述巡航航迹倾斜角γcr约束满足：
Figure FDA0003229560540000021
其中，
Figure FDA0003229560540000022
为最大巡航马赫数，
Figure FDA0003229560540000023
为最小巡航马赫数，
Figure FDA0003229560540000024
为最大巡航航迹倾斜角，
Figure FDA0003229560540000025
为最小巡航航迹倾斜角；
所述第一约束条件的所述动压qd约束满足：
Figure FDA0003229560540000026
其中，
Figure FDA0003229560540000027
为动压上边界；
所述第一约束条件的所述驻点热流Qs峰值约束满足：
Figure FDA0003229560540000028
其中，Qsm为驻点热流Qs的峰值，
Figure FDA0003229560540000029
为驻点热流Qs的峰值上边界。
3.根据权利要求1所述的优化方法，其特征在于，所述第二约束条件的所述动压qd约束满足：
Figure FDA00032295605400000210
其中，
Figure FDA00032295605400000211
为动压上边界；
所述过载nload约束满足：
Figure FDA00032295605400000212
其中，
Figure FDA00032295605400000213
为过载上边界；
所述第二约束条件的所述驻点热流Qs峰值约束满足：
Figure FDA00032295605400000214
其中，Qsm为驻点热流Qs的峰值，
Figure FDA0003229560540000031
为驻点热流Qs的峰值上边界；
所述爬升滑行段终端飞行状态约束满足：
Figure FDA0003229560540000032
其中，hfcg为所述飞行器爬升滑行段结束时的高度，Mafcg为所述飞行器爬升滑行段结束时的马赫数，h0cr为巡航初始时刻的高度，Ma0cr为巡航初始时刻的马赫数，γfcg为所述飞行器爬升滑行段结束时的爬升航迹倾斜角；
所述进场着陆初始飞行状态约束满足：
Figure FDA0003229560540000033
其中，hf为飞行器的飞行高度，hfr为飞行器的飞行高度的要求值，vf为飞行器的飞行速度，
Figure FDA0003229560540000034
为飞行速度vf的上边界，
Figure FDA0003229560540000035
为飞行速度vf的下边界，γf为所述飞行器返回段结束时的返回航迹倾斜角，
Figure FDA0003229560540000036
为返回航迹倾斜角γf的上边界，
Figure FDA0003229560540000037
为返回航迹倾斜角γf的下边界，xf为飞行器的航程，
Figure FDA0003229560540000038
为航程xf的上边界，
Figure FDA0003229560540000039
为航程xf的下边界。
4.根据权利要求1所述的优化方法，其特征在于，所述飞行器参数信息包括：飞行器初始质量m0、发动机模型参数和气动模型参数；
所述飞行器初始质量m0满足：
m0＝m1dry+m1fuel+m2dry+m2fuel
其中，m1dry为固体助推器干重，m1fuel为固体火箭推进剂的质量，m2dry为飞行器本体干重，m2fuel为飞行器本体的燃料质量；
所述发动机模型参数包括发动机推力Ft和质量流量m；
所述气动模型参数包括阻力系数CD和升力系数CL。
5.根据权利要求4所述的优化方法，其特征在于，步骤S5中包括：
S501.目标函数归一化；
S502.搜寻锚点；
S503.生成理想超平面，过各所述锚点生成理想超平面；
S504.在所述理想超平面上生成优化参考点；
S505.压缩目标搜索域；
S506.对于每一个所述优化参考点，结合目标搜索域压缩策略，生成其对应的单目标优化问题，并采用单目标优化算法进行求解；
S507.若多目标优化模型为三维以下的多目标优化问题，则直接滤除局部多目标优化解，获取所述第二优化结果。
6.根据权利要求5所述的优化方法，其特征在于，步骤S5中还包括：
S508.若多目标优化模型为三维以上的多目标优化问题，则旋转目标搜索域；
S509.搜寻边界优化点；
S510.增添优化点；
S511.滤除局部多目标优化解，获取所述第二优化结果。
7.根据权利要求6所述的优化方法，其特征在于，步骤S509中，基于二分法，根据旋转后的所述目标搜索域，搜寻目标空间内位于边界的边界优化点。
CN201810890877.0A 2018-08-07 2018-08-07 一种天地往返飞行器全轨迹的优化方法 Active CN109117544B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810890877.0A CN109117544B (zh) 2018-08-07 2018-08-07 一种天地往返飞行器全轨迹的优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810890877.0A CN109117544B (zh) 2018-08-07 2018-08-07 一种天地往返飞行器全轨迹的优化方法

Publications (2)

Publication Number Publication Date
CN109117544A CN109117544A (zh) 2019-01-01
CN109117544B true CN109117544B (zh) 2021-11-23

Family

ID=64852083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810890877.0A Active CN109117544B (zh) 2018-08-07 2018-08-07 一种天地往返飞行器全轨迹的优化方法

Country Status (1)

Country Link
CN (1) CN109117544B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114252078B (zh) * 2022-02-28 2022-05-13 南京信息工程大学 基于改进的Dijkstra算法的飞行器航迹快速规划方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104615144A (zh) * 2015-01-30 2015-05-13 天津大学 基于目标规划的高超声速飞行器再入轨迹在线优化方法
CN106021784A (zh) * 2016-05-31 2016-10-12 北京航空航天大学 一种基于两层优化策略的全轨迹优化设计方法
CN106020231A (zh) * 2016-05-30 2016-10-12 中国人民解放军国防科学技术大学 基于再入点参数的高超声速飞行器再入轨迹优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11327508B2 (en) * 2015-09-29 2022-05-10 University Of Malta Fast flight trajectory optimisation for in-flight computation and flight management systems

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104615144A (zh) * 2015-01-30 2015-05-13 天津大学 基于目标规划的高超声速飞行器再入轨迹在线优化方法
CN106020231A (zh) * 2016-05-30 2016-10-12 中国人民解放军国防科学技术大学 基于再入点参数的高超声速飞行器再入轨迹优化方法
CN106021784A (zh) * 2016-05-31 2016-10-12 北京航空航天大学 一种基于两层优化策略的全轨迹优化设计方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Multiobjective Optimization of Steady-State Cruise Trajectory for a Hypersonic Vehicle;Kaiqiang Wang 等;《2017 IEEE 3rd International Conference on Control Science and Systems Engineering》;20171030;第130-135页 *
Multiobjective trajectory optimization for a suborbital spaceplane using Directed Search Domain approach;Kaiqiang Wang 等;《AEROSPACE SCIENCE AND TECHNOLOGY》;20180630;第77卷;第713-724页 *
多约束条件下高超声速滑翔飞行器轨迹优化;谢愈等;《宇航学报》;20111230(第12期);第2499-2504页 *
火箭基组合循环高超声速飞行器爬升-巡航全局轨迹优化研究;郑雄等;《导弹与航天运载技术》;20180410(第02期);第1-8页 *
翼伞系统分段归航轨迹的优化设计;胡文治 等;《航空计算技术》;20171130;第47卷(第6期);第55-59页 *
高超声速滑翔式飞行器再入轨迹多目标多约束优化;陈小庆 等;《国防科技大学学报》;20090630;第31卷(第6期);第77-83页 *

Also Published As

Publication number Publication date
CN109117544A (zh) 2019-01-01

Similar Documents

Publication Publication Date Title
CN103942401A (zh) 一种优化高精度自适应模块化的航天器弹道多约束轨迹工具包及方法
CN111783232A (zh) 一种基于聚类分析的可回收火箭返回段自适应优化方法
CN108763746A (zh) 运载火箭质量参数估算方法
US11142337B2 (en) Method and system for determining a descent profile
Cui et al. Hypersonic I-shaped aerodynamic configurations
CN109117544B (zh) 一种天地往返飞行器全轨迹的优化方法
CN111221350B (zh) 吸气式高超声速飞行器巡航导弹的弹道设计方法及系统
Peng et al. Analysis of morphing modes of hypersonic morphing aircraft and multiobjective trajectory optimization
CN111859526A (zh) 助推滑翔导弹总体参数的快速确定方法
Zaag et al. CESSNA citation X engine model identification using neural networks and extended great deluge algorithms
Tekinalp et al. Simulated annealing for missile optimization: Developing method and formulation techniques
CN106021835A (zh) 一种面向最优侦察的航迹设计方法
CN107871057B (zh) 一种两级入轨可重复使用飞行器规模估算方法
CN105160108A (zh) 一种探空火箭气动外形优化目标函数的确定方法
CN114117631B (zh) 一种带有最优终端时间估计的火箭回收轨迹优化方法
Tanil et al. External configuration optimization of missiles in conceptual design
Ogawa et al. Multi-phase trajectory optimisation for access-to-space with RBCC-powered TSTO via surrogated-assisted hybrid evolutionary algorithms incorporating pseudo-spectral methods
Li et al. Optimal attack trajectory for hypersonic boost-glide missile in maximum reachable domain
Sun et al. Trajectory Optimization of Unmanned Aerial Vehicle's Ascending Phase based on hp Adaptive Pseudospectral Method
Grevtsov Synthesis of control algorithms for aircraft trajectories in time-optimal climb and descent
Li et al. Maximum crossrange for hypersonic boost-glide missile
Ogedengbe et al. Multi-objective optimization of subsonic glider wing using genetic algorithm
Priyadarshi et al. Optimal two-stage parachute and retro motor sizing for launch vehicle stage recovery
CN117807915B (zh) 一种喷气式飞机给定重量最大航程巡航设计方法
CN115167126B (zh) 一种两级入轨高超声速飞行器上升段纵向轨迹设计和优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant