CN109976154A - 一种基于混沌多项式和序列凸优化的飞行器轨迹优化方法 - Google Patents
一种基于混沌多项式和序列凸优化的飞行器轨迹优化方法 Download PDFInfo
- Publication number
- CN109976154A CN109976154A CN201910161541.5A CN201910161541A CN109976154A CN 109976154 A CN109976154 A CN 109976154A CN 201910161541 A CN201910161541 A CN 201910161541A CN 109976154 A CN109976154 A CN 109976154A
- Authority
- CN
- China
- Prior art keywords
- optimization
- aerial vehicle
- vehicle trajectory
- constraint
- steady
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000013178 mathematical model Methods 0.000 claims abstract description 14
- 230000000739 chaotic effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 8
- 239000000203 mixture Substances 0.000 description 6
- 238000000342 Monte Carlo simulation Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 230000003190 augmentative effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于混沌多项式和序列凸优化的飞行器轨迹优化方法。使用本发明能够解决飞行器轨迹稳健优化问题中存在不确定性分析与优化循环嵌套导致求解困难的问题。本发明根据混沌多项式理论,将飞行器轨迹稳健优化数学模型中的随机微分动力学方程组扩展为由PCE系数构成的高维确定性常微分动力学方程组,将飞行器迹稳健优化数学模型转化为等效的确定性最优控制问题;然后将最优控制问题转化为凸优化问题,实现优化问题的高效求解,获得最优控制变量,完成飞行器轨迹优化。
Description
技术领域
本发明涉及飞行器轨迹优化设计技术领域,具体涉及一种基于混沌多项式扩展(PCE)理论和序列凸优化方法的飞行器轨迹稳健优化方法。
背景技术
轨迹优化是飞行器优化设计中一个重要的组成部分,目的是为了确定飞行过程中同时满足动力学约束、边界条件、过程约束等约束的最优控制量,实质是一种优化控制问题,近年来得到了广泛的关注。但多数研究一般只关注标称轨迹性能,而不考虑轨迹的鲁棒性。在实际弹道飞行过程中,不确定性是不可避免的。例如,初始状态及系统参数的偏差可能会导致飞行器再入过程中实际轨迹偏离标称轨迹。由于传统的轨迹优化结果容易出现路径约束及边界约束满足裕度过低的情况,而实际扰动因素的作用下往往会违反约束。因此,通过采用轨迹稳健优化方法,设计一条在保证优良性能的同时对不确定性因素不敏感的飞行轨迹显得尤为重要。
目前飞行器轨迹稳健优化相关的研究有如下缺点:
(1)高维非线性规划(NLP)问题难以得到全局最优解。直接打靶法、伪谱法等直接优化算法在轨迹优化问题中得到广泛应用,它通过离散控制变量或同时离散控制变量与状态变量,把最优控制问题转化为非线性规划问题进行求解。但是,该类算法的收敛性依赖于初值的选择,易陷于局部最优,难以得到全局最优解。
(2)非线性规划问题求解属于NP-hard问题。由于干涉式混沌多项式扩展方法需要将随机动力学微分方程扩展到高维确定性微分方程,维数可能扩张为原微分方程的几倍甚至几十倍,这将极大地增加了NLP求解的时间及难度。
发明内容
有鉴于此,本发明提供了一种基于混沌多项式和序列凸优化的飞行器轨迹优化方法,能够解决飞行器轨迹稳健优化问题中存在不确定性分析与优化循环嵌套导致求解困难的问题。
本发明的基于混沌多项式和序列凸优化的飞行器轨迹优化方法,包括如下步骤:
步骤一,构建飞行器轨迹稳健优化数学模型;
步骤二,根据广义混沌多项式理论将步骤一获得的数学模型中的随机微分方程扩展为由混沌多项式系数构成的高维常微分方程;
步骤三,利用步骤二获得的混沌多项式系数,将步骤一的迹稳健优化数学模型转化为等效的确定性最优控制问题;结合步骤二获得的高维常微分方程,获得确定性的稳健优化模型;
步骤四,对确定性的稳健优化模型中的动力学微分方程在参考轨迹处进行一阶泰勒展开,实现凸化;
步骤五,根据广义混沌多项式理论,利用步骤四凸化后的方程,计算获得飞行器轨迹稳健优化数学模型中状态、约束、性能函数的均值及标准差;
步骤六,将步骤五获得的状态、约束、性能函数的均值及标准差代入步骤三的确定性的稳健优化模型,并对模型中的非凸约束、性能函数进行凸化处理,转化为二阶锥规划问题;
步骤七,对步骤六获得的二阶锥规划问题进行离散后通过内点法求解,得到最优控制变量,完成飞行器轨迹优化。
进一步的,所述步骤一中,对构建的轨迹稳健优化数学模型中的积分项以及非凸约束进行凸化处理后,转入步骤二。
进一步的,所述步骤六中,对状态变量的边界约束采用Cholesky分解法转化为二阶锥约束;对其余的非凸约束以及性能函数采用在参考轨迹处进行一阶泰特展开,转化为二阶锥约束。
有益效果:
根据混沌多项式理论,不确定性传播的分析计算需要将低维的随机微分动力学方程组扩展为由PCE系数构成的高维确定性常微分动力学方程组。具体维数关系是每一个随机微分动力学方程需要扩展成为个确定性常微分动力学方程组,这将极大地增加轨迹优化(最优控制问题)的计算量。通常,求解此类优化问题一般采用直接法,即离散其控制变量(如直接打靶法)或同时离散控制变量和状态变量(如伪谱法)等,将其转化为非线性规划(NLP)问题进行求解。但是,非线性规划问题属于NP-hard问题,随着维数的增加,求解难度也急剧增大。凸规划是一种特殊的非线性规划,它的局部最优解就是全局最优解,而且求解效率高,属于多项式时间复杂度算法。因此,将最优控制问题转化为凸优化问题,能极大的提高问题求解效率。
附图说明
图1为本发明流程图。
图2为航天器着陆示意图。
图3为高斯伪谱法与序列凸优化方法在求解确定性轨迹优化问题时各参量曲线对比;(a)控制变量Tc曲线;(b)状态变量r曲线;(c)状态变量v曲线;(d)最优轨迹曲线。
图4为本发明方法在求解稳健轨迹优化问题时各参量曲线;(a)控制变量Tc曲线;(b)状态变量r曲线;(c)状态变量v曲线;(d)最优轨迹曲线。
图5为稳健优化(RO)结果及确定性优化(DO)结果做蒙特卡罗仿真(MCS)对比:(a)状态变量r1的MCS结果对比;(b)飞行轨迹的MCS结果对比。
图6为稳健优化(RO)结果与确定优化(DO)结果性能函数及最优控制曲线对比:(a)质量m变化曲线对比;(b)推力大小||Tc||对比。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本发明提供了一种基于混沌多项式和序列凸优化的飞行器轨迹优化方法,包括如下步骤:
步骤一:构建飞行器轨迹稳健优化数学模型
其中,x为设计变量,u为控制变量,w为随机参数变量,J为目标函数,g为约束函数,k*为自定义常数,下角标μ和σ分别表示该变量的均值和标准差,Nieq为不等式约束的个数,上标LB、UB分别表示对应变量的下限和上限;下标0和f分别表示初始状态和终端状态。
可根据具体问题,在步骤一中采用等式变换、变量代换及无损松弛等方法对方程组(1)进行凸化处理,减少后续工作的工作量。
步骤二:根据广义混沌多项式理论将方程组(1)中的随机微分方程公式(1-b)扩展为由混沌多项式系数构成的高维常微分方程。
1)将每个随机状态变量xi(t)(i=1,...,n)以及参数变量wk(k=1,...,s)表示为广义混沌多项式扩展模型(广义PCE模型):
其中,d为不确定性因素的个数,p为混沌多项式的阶次,Δ为属于Askey方案的标准随机矢量,Φ(Δ)为正交混沌多项式,下文简写为Φ,xij为状态变量xi的第j个未知PCE系数;wij为随机参数wi的第j个PCE系数,可由wi的随机分布确定。
2)将公式(2)和公式(3)代入公式(1-b),并在等式两边分别用Φi进行Galerkin投影,根据正交多项式的性质,得
其中,“<>”表示内积;
可简写为:
其中X与W分别是由状态变量x、随机参数w的PCE系数组成的矢量,具体形式如下:
X=[x10(t),…,x1P(t),x20(t),…,x2P(t),…,xn0(t),…,xnP(t)]T (6)
W=[w10,…,w1P,w20,…,w2P,…,ws0,…,wsP]T (7)
步骤三:基于混沌多项式理论,将原飞行器轨迹稳健优化数学模型转化为等效的确定性最优控制问题。
原飞行器轨迹稳健优化问题可转化为高维确定性最优控制问题,具体形式如下:
步骤四:对确定性动力学微分方程(8-b)进行凸化。
选择一条参考轨迹{Xr,ur},并在此处对方程(8-b)进行一阶泰勒展开,得:
其中,C1=F(Xr,ur,W)-A1Xr-B1ur, 和分别表示F在参考轨迹处对X和u的偏导数。
步骤五:通过线性微分方程(9),计算状态x、约束gj、性能函数J的均值及标准差。
根据混沌多项式理论,第i个随机状态变量xi的均值及标准差可分别表示如下:
通常,约束gj、性能函数J由状态变量x的加、减、乘、除、指数、三角函数等基本运算组成。因此,约束gj、性能函数J的PCE模型也是状态变量x的PCE模型的响应组合。其具体计算形式如下:
1)加减形式c=xk±xl
PCE系数ci可以表示为:
ci=xki±xli,i=0,...,P (13)
2)乘积形式c=xkxl
PCE系数ci可以表示为:
3)倒数形式c=1/xk
则PCE系数ci可通过下式求解
4)指数形式
可对其进行泰勒展开,则c可表示为:
其中,NT是泰勒展开阶数。
PCE系数ci可通过下式求解
5)正弦函数形式c=sin(xk)
利用三角函数公式,得:
利用泰勒展开公式,得;
将公式(21)及公式(22)代入公式(20),可计算得PCE系数ci。
其余基本运算与上述几种类似,均利用泰勒展开后,根据公式(14)和公式(15)计算其相应的PCE系数。这样,约束gj、性能函数J的PCE系数已得到,可根据公式(10)和公式(11)计算其均值及标准差。
步骤六:将高维确定性最优控制问题公式(8)中的非凸约束公式(8-c)及公式(8-e)、非凸性能函数公式(8-a)进行凸化。
1)对于非凸约束公式(8-c),可在参考轨迹{Xr,ur}处对其进行一阶泰勒展开,得:
2)类似的,非凸性能函数公式(8-a)也可以进行泰勒展开,得:
3)对于非凸约束公式(8-e),由于随机状态变量xi的方差可表示为如下形式:
其中,Yi=[X((i-1)(P+1)+2),X((i-1)(P+1)+3),…,X(i(P+1))]T,
Q为由<Φj 2(Δ)>(j=1,2,...,P)组成的P维对角矩阵。
由于<Φj 2(Δ)>>0,所以可对Q进行Cholesky分解,得:
Q=LLT(L∈RP×P) (26)
因此,随机状态变量xi的标准差可表示为
将公式(27)代入公式(8-e),可将该非凸约束转化为如下两个二阶锥约束:
以上所有公式组成一个二阶锥规划问题PED-SOCP:
步骤七:将二阶锥规划问题PED-SOCP离散
运用梯形法则将确定性微分方程公式(8-b)离散,得:
其中,A(k)=A1(Xr(k),ur(k),W),B(k)=B1(Xr(k),ur(k),W),C(k)=C1(Xr(k),ur(k),W),
T=(tf-t0)/K,K为总的离散分段数。
性能函数可以离散为
其中Jμ(k)=Jμ(Xr(k),ur(k),W),Jσ(k)=Jσ(Xr(k),ur(k),W),
其余约束需要保证在所以离散点处满足。自此,就实现了飞行器轨迹稳健优化的建模过程,该离散问题可通过内点法求解,即可得到最优控制变量,完成飞行器轨迹优化。
下面以航天器在火星着陆的末端——动力下降段的轨迹优化为例,进行说明,该阶段的着陆示意图如图2所示。着陆器视为质点,且不考虑火星大气对航天器的气动影响。在着陆过程中,为保证在着陆器对着陆点的持续跟踪观测,需要满足滑面约束,即保证着陆器与目标点之间连线与地面之间夹角大于4度。着陆器的位置矢量为r=[r1;r2;r3],初始位置r(t0)=[1500;500;2000]m,速度矢量为v=[v1;v2;v3],初始速度v(t0)=[-75;40;100]m/s,初始质量m(t0)=1905kg,其中初始时刻t0=0s;终端位置r(tf)=[0;0;0]m,末端速度v(tf)=[0;0;0]m/s,末端时刻tf=81s;此外,整个飞行过程中,发动机推力大小||Tc||控制在0.3倍~0.8倍最大推力Tmax之间,Tmax=1.3258×104N。根据以上条件,构成一个以消耗燃料最少为目标的确定性轨迹优化问题,如下所示:
上式中,α=5.09×10-4s/m为燃料消耗系数,g=[-3.7114m/s2,0,0]T为火星表面重力加速度矢量,Tc=[Tc1;Tc2;Tc3]为推力控制矢量。x0=[r1(t0),r2(t0),r3(t0),v1(t0),v2(t0),v3(t0),m(t0)];
高斯伪谱法(GP)是一种常用的轨迹优化方法,本发明将其与序列凸优化(SCO)方法进行了对比,如图3所示,由图3结果可见,高斯伪谱法与序列凸优化方法在求解确定性轨迹优化问题时,结果几乎完全一致。
在上述确定性优化问题的基础上,假设初始状态x0=[r1(t0),r2(t0),r3(t0),v1(t0),v2(t0),v3(t0),m(t0)]及燃料消耗系数α分别服从±2(m,m/s,kg)波动与±1%α波动的均匀分布。则确定性轨迹优化问题转化为稳健轨迹优化问题。然后,按如下步骤,求解上述稳健轨迹优化问题。
1.通过引入松弛变量Γ(t)代替||Tc||,同时引入新的约束||Tc||≤Γ(t),公式(32-d)变为公式(32-j)变为0.3Tmax≤Γ(t)≤0.8Tmax。
2.根据公式(4)对公式(33-b)、公式(33-c)及公式(33-d)进行扩维,将其转化成由PCE系数组成的高维确定性微分方程组,其中质量m倒数的PCE系数可根据公式(16)计算。确定性不等式约束公式(33-k)两边平方以后,根据公式(12)及公式(14)转化为PCE模型,再根据公式(10)及公式(11)计算该不等式约束PCE模型的均值和标准差。公式(33-l)可直接变为r1μ(t)-k*r1σ(t)≥0m
3.根据公式(9)及公式(22)对扩维以后的高维确定性微分方程组和不等式约束进行线性化
4.将线性化之后的微分方程组、约束以及性能函数离散,然后用凸优化工具包求解,结果如图4所示;分别对稳健优化(RO)结果及确定性优化(DO)结果做蒙特卡罗仿真(MCS)对比,结果如图5所示;稳健优化(RO)结果与确定优化(DO)结果性能函数及最优控制曲线对比,结果如图6所示,计算时间如表1所示。
表1计算时间对比
计算时间及设计变量数量对比
由以上结果可知,稳健优化结果能够在初始状态及系统参数不确定的情况下,保证飞行过程中的约束可满足,而确定性优化结果在受到不确定性因素影响时,会违反约束。
对于低维轨迹优化问题,序列凸优化与高斯伪谱法结果几乎一致,而高斯伪谱法计算时间(0.38s)是凸优化方法计算时间(10.52s)的27.68倍。扩维后的高维轨迹优化问题,高斯伪谱法计算时间超过12小时,依然不能求解,而序列凸优化方法仅需要17.18s即可得到正确结果,充分证明该方法有较高的计算效率。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。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 (3)
1.一种基于混沌多项式和序列凸优化的飞行器轨迹优化方法,其特征在于,包括如下步骤:
步骤一,构建飞行器轨迹稳健优化数学模型;
步骤二,根据广义混沌多项式理论将步骤一获得的数学模型中的随机微分方程扩展为由混沌多项式系数构成的高维常微分方程;
步骤三,利用步骤二获得的混沌多项式系数,将步骤一的迹稳健优化数学模型转化为等效的确定性最优控制问题;结合步骤二获得的高维常微分方程,获得确定性的稳健优化模型;
步骤四,对确定性的稳健优化模型中的动力学微分方程在参考轨迹处进行一阶泰勒展开,实现凸化;
步骤五,根据广义混沌多项式理论,利用步骤四凸化后的方程,计算获得飞行器轨迹稳健优化数学模型中状态、约束、性能函数的均值及标准差;
步骤六,将步骤五获得的状态、约束、性能函数的均值及标准差代入步骤三的确定性的稳健优化模型,并对模型中的非凸约束、性能函数进行凸化处理,转化为二阶锥规划问题;
步骤七,对步骤六获得的二阶锥规划问题进行离散后通过内点法求解,得到最优控制变量,完成飞行器轨迹优化。
2.如权利要求1所述的基于混沌多项式和序列凸优化的飞行器轨迹优化方法,其特征在于,所述步骤一中,对构建的轨迹稳健优化数学模型中的积分项以及非凸约束进行凸化处理后,转入步骤二。
3.如权利要求1所述的基于混沌多项式和序列凸优化的飞行器轨迹优化方法,其特征在于,所述步骤六中,对状态变量的边界约束采用Cholesky分解法转化为二阶锥约束;对其余的非凸约束以及性能函数采用在参考轨迹处进行一阶泰特展开,转化为二阶锥约束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910161541.5A CN109976154A (zh) | 2019-03-04 | 2019-03-04 | 一种基于混沌多项式和序列凸优化的飞行器轨迹优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910161541.5A CN109976154A (zh) | 2019-03-04 | 2019-03-04 | 一种基于混沌多项式和序列凸优化的飞行器轨迹优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109976154A true CN109976154A (zh) | 2019-07-05 |
Family
ID=67077839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910161541.5A Pending CN109976154A (zh) | 2019-03-04 | 2019-03-04 | 一种基于混沌多项式和序列凸优化的飞行器轨迹优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109976154A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110466804A (zh) * | 2019-08-30 | 2019-11-19 | 北京理工大学 | 火箭动力下降着陆过程快速轨迹优化方法 |
CN111580535A (zh) * | 2020-05-18 | 2020-08-25 | 中国人民解放军国防科技大学 | 一种基于凸优化的再入轨迹三维剖面规划方法及系统 |
CN111897214A (zh) * | 2020-06-24 | 2020-11-06 | 哈尔滨工业大学 | 一种基于序列凸优化的高超声速飞行器轨迹规划方法 |
CN112162266A (zh) * | 2020-09-28 | 2021-01-01 | 中国电子科技集团公司第五十四研究所 | 一种基于凸优化理论的共形阵二维波束优化方法 |
CN112926139A (zh) * | 2021-03-23 | 2021-06-08 | 中国人民解放军火箭军工程大学 | 一种基于混沌映射和黄金正弦策略的改进麻雀智能优化方法 |
CN113093789A (zh) * | 2021-03-22 | 2021-07-09 | 北京航空航天大学 | 一种基于路径点优选的飞行器禁飞区规避轨迹规划方法 |
CN113341731A (zh) * | 2021-06-29 | 2021-09-03 | 西北工业大学 | 一种基于序列凸优化的空间机器人轨迹规划方法 |
CN114594785A (zh) * | 2022-01-17 | 2022-06-07 | 北京理工大学 | 基于混合整数二阶锥优化的无人机避障实时轨迹规划方法 |
CN114872934A (zh) * | 2022-05-24 | 2022-08-09 | 哈尔滨工业大学 | 一种基于无损凸化和切比雪夫正交配点法的月面大范围飞行器轨迹优化方法 |
CN115774900A (zh) * | 2022-11-18 | 2023-03-10 | 南京航空航天大学 | 一种不确定条件下的变构型飞行器指令鲁棒优化设计方法 |
CN117932793A (zh) * | 2024-03-21 | 2024-04-26 | 西安现代控制技术研究所 | 采用耦合迭代优化的制导火箭弹内外弹道联合设计方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930166A (zh) * | 2012-11-05 | 2013-02-13 | 北京理工大学 | 基于混沌多项式的行星大气进入状态不确定度获取方法 |
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 |
CN108120442A (zh) * | 2017-12-12 | 2018-06-05 | 北京理工大学 | 一种基于二阶锥规划的多旋翼无人机飞行轨迹生成方法 |
-
2019
- 2019-03-04 CN CN201910161541.5A patent/CN109976154A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930166A (zh) * | 2012-11-05 | 2013-02-13 | 北京理工大学 | 基于混沌多项式的行星大气进入状态不确定度获取方法 |
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 |
CN108120442A (zh) * | 2017-12-12 | 2018-06-05 | 北京理工大学 | 一种基于二阶锥规划的多旋翼无人机飞行轨迹生成方法 |
Non-Patent Citations (3)
Title |
---|
CHAOYUE LIU 等: ""Online Trajectory Optimization Based on Successive Convex Optimization"", 《PROCEEDINGS OF THE 36TH CHINESE CONTROL CONFERENCE》 * |
YOSHINORI MATSUNO: ""STOCHASTIC CONFLICT-FREE 4D TRAJECTORY OPTIMIZATION IN THE PRESENCE OF UNCERTAINTY"", 《29TH CONGRESS OF THE INTERNATIONAL COUNCIL OF THE AERONAUTICAL SCIENCES》 * |
熊芬芬: ""稳健优化设计中代理模型不确定性的研究"", 《机械工程学报》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110466804B (zh) * | 2019-08-30 | 2021-04-09 | 北京理工大学 | 火箭动力下降着陆过程快速轨迹优化方法 |
CN110466804A (zh) * | 2019-08-30 | 2019-11-19 | 北京理工大学 | 火箭动力下降着陆过程快速轨迹优化方法 |
CN111580535A (zh) * | 2020-05-18 | 2020-08-25 | 中国人民解放军国防科技大学 | 一种基于凸优化的再入轨迹三维剖面规划方法及系统 |
CN111580535B (zh) * | 2020-05-18 | 2023-06-06 | 中国人民解放军国防科技大学 | 一种基于凸优化的再入轨迹三维剖面规划方法及系统 |
CN111897214B (zh) * | 2020-06-24 | 2022-05-13 | 哈尔滨工业大学 | 一种基于序列凸优化的高超声速飞行器轨迹规划方法 |
CN111897214A (zh) * | 2020-06-24 | 2020-11-06 | 哈尔滨工业大学 | 一种基于序列凸优化的高超声速飞行器轨迹规划方法 |
CN112162266A (zh) * | 2020-09-28 | 2021-01-01 | 中国电子科技集团公司第五十四研究所 | 一种基于凸优化理论的共形阵二维波束优化方法 |
CN112162266B (zh) * | 2020-09-28 | 2022-07-22 | 中国电子科技集团公司第五十四研究所 | 一种基于凸优化理论的共形阵二维波束优化方法 |
CN113093789A (zh) * | 2021-03-22 | 2021-07-09 | 北京航空航天大学 | 一种基于路径点优选的飞行器禁飞区规避轨迹规划方法 |
CN112926139A (zh) * | 2021-03-23 | 2021-06-08 | 中国人民解放军火箭军工程大学 | 一种基于混沌映射和黄金正弦策略的改进麻雀智能优化方法 |
CN112926139B (zh) * | 2021-03-23 | 2023-02-21 | 中国人民解放军火箭军工程大学 | 一种基于混沌映射和黄金正弦策略的改进麻雀智能优化方法 |
CN113341731A (zh) * | 2021-06-29 | 2021-09-03 | 西北工业大学 | 一种基于序列凸优化的空间机器人轨迹规划方法 |
CN114594785A (zh) * | 2022-01-17 | 2022-06-07 | 北京理工大学 | 基于混合整数二阶锥优化的无人机避障实时轨迹规划方法 |
CN114872934A (zh) * | 2022-05-24 | 2022-08-09 | 哈尔滨工业大学 | 一种基于无损凸化和切比雪夫正交配点法的月面大范围飞行器轨迹优化方法 |
CN114872934B (zh) * | 2022-05-24 | 2023-10-13 | 哈尔滨工业大学 | 基于无损凸化和Chebyshev正交配点法的月面飞行器轨迹优化方法 |
CN115774900A (zh) * | 2022-11-18 | 2023-03-10 | 南京航空航天大学 | 一种不确定条件下的变构型飞行器指令鲁棒优化设计方法 |
CN115774900B (zh) * | 2022-11-18 | 2023-12-15 | 南京航空航天大学 | 一种不确定条件下的变构型飞行器指令鲁棒优化设计方法 |
CN117932793A (zh) * | 2024-03-21 | 2024-04-26 | 西安现代控制技术研究所 | 采用耦合迭代优化的制导火箭弹内外弹道联合设计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109976154A (zh) | 一种基于混沌多项式和序列凸优化的飞行器轨迹优化方法 | |
CN111428372B (zh) | 基于凸规划和自适应迭代的火箭动力故障降级入轨制导方法 | |
Horwitz et al. | Centrifugal acceleration of the polar wind | |
CN108120442B (zh) | 一种基于二阶锥规划的多旋翼无人机飞行轨迹生成方法 | |
CN113479347B (zh) | 一种火箭垂直回收着陆段轨迹控制方法 | |
CN104656450A (zh) | 一种高超声速飞行器平稳滑翔再入弹道设计方法 | |
CN111930145B (zh) | 一种基于序列凸规划的高超声速飞行器再入轨迹优化方法 | |
Cavanini et al. | Computationally efficient model predictive control for a class of linear parameter‐varying systems | |
CN104317306A (zh) | 卫星编队重构方法 | |
CN111551178B (zh) | 一种基于最短路径的分段轨迹时间规划方法 | |
CN104217041A (zh) | 一种多约束在线高斯伪谱末制导方法 | |
Kumar et al. | Hypersonic boost glide vehicle trajectory optimization using genetic algorithm | |
CN109325288A (zh) | 一种基于不确定性优化的固体运载器总体参数确定方法及系统 | |
CN109033487A (zh) | 一种基于蒙特卡洛仿真的飞行器总体概率设计方法 | |
CN107203133A (zh) | 一种智能的月球软着陆轨道控制器 | |
CN116700013A (zh) | 一种飞行器最快爬升轨迹混合优化方法 | |
CN110554707A (zh) | 一种飞行器姿态控制回路的q学习自动调参方法 | |
CN115903521A (zh) | 一种基于改进事件触发机制的风力发电系统的滑模控制方法 | |
CN106950834A (zh) | 一种高阶非线性系统快速有限时间稳定的控制方法 | |
CN110032066B (zh) | 分数阶非线性系统轨迹跟踪的自适应迭代学习控制方法 | |
Wang et al. | Hypersonic skipping trajectory planning for high L/D gliding vehicles | |
CN117170252B (zh) | 基于再入走廊凸规划的高超声速飞行器最优滚动制导方法 | |
CN103809434A (zh) | 纵向飞行模型簇复合根轨迹多级pid控制器设计方法 | |
CN111314231A (zh) | 一种基于事件驱动的复杂网络平衡点控制的方法 | |
Subchan | A direct multiple shooting method for missile trajectory optimization with the terminal bunt manoeuvre |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190705 |
|
WD01 | Invention patent application deemed withdrawn after publication |