CN113060305B - 一种基于能量最优的轨道转移方法、装置及存储介质 - Google Patents
一种基于能量最优的轨道转移方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113060305B CN113060305B CN202110315882.0A CN202110315882A CN113060305B CN 113060305 B CN113060305 B CN 113060305B CN 202110315882 A CN202110315882 A CN 202110315882A CN 113060305 B CN113060305 B CN 113060305B
- Authority
- CN
- China
- Prior art keywords
- transfer
- orbit
- time
- initial
- track
- 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
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
- B64G1/00—Cosmonautic vehicles
- B64G1/22—Parts of, or equipment specially adapted for fitting in or to, cosmonautic vehicles
- B64G1/24—Guiding or controlling apparatus, e.g. for attitude control
- B64G1/242—Orbits and trajectories
-
- 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/12—Timing analysis or timing optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Artificial Intelligence (AREA)
- Remote Sensing (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Mathematical Optimization (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Medical Informatics (AREA)
- Pure & Applied Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明实施例公开了一种基于能量最优的轨道转移方法、装置及存储介质;该方法可以包括:根据起始时刻卫星所处的初始轨道运动参数和设定的轨道转移任务指定的目标轨道运动参数,按照递推时间步长分别对初始轨道和目标轨道进行轨道递推以获取所述卫星在由所述起始时刻和设定的转移时长所确定的转移期间内从所述初始轨道转移至所述目标轨道过程中的开始转移和转移结束的离散位置及对应的速度;根据选取时间步长从所述轨道转移过程中的开始转移和转移结束的离散位置中选取备选转移轨道的相关参数,并计算对应的总速度增量;基于总速度增量以及设定的总速度增量阈值范围,从所述备选转移轨道相关参数中选取候选范围;采用设定的模拟退火优化算法,在候选范围中搜索使得目标函数最小的转移轨道。
Description
技术领域
本发明实施例涉及航天控制技术领域,尤其涉及一种基于能量最优的轨道转移方法、装置及存储介质。
背景技术
轨道转移技术在交会对接、轨道维持、星座部署、新技术验证等方面均有广泛应用。随着航天技术的高速发展,卫星任务快速响应技术愈发得到研究人员的重视。在一些示例性的卫星任务快速响应场景中,当卫星任务发生紧急变更的情况下,可能需要在较短时间内使卫星到达新的轨道执行新任务。当前常规的轨道转移机动方案通常是由地面解算后向卫星上注,但是该方案受测控弧段限制,地面接收数据与上注指令之间存在较大的时间延迟,不适用于紧急任务。此外,对于空间中任意两点在给定时间内的轨道转移问题,可以通过求解兰伯特问题获得转移轨道;但该方案所获得的转移轨道仅是提供了由初始轨道到达目标轨道的一种可选项,其转移时所消耗的能量不一定是最低的。而如果按照遍历法在给定的轨道转移最长时间限制内获取所有可能的转移方式的能量消耗量,再进行比较分析获得最优解,则会导致巨大的计算量,不适用于星上计算。
发明内容
有鉴于此,本发明实施例期望提供一种基于能量最优的轨道转移方法、装置及存储介质;能够通过较小的计算量获取在给定的最长转移时间限制内能量消耗最优的最优得轨道转移方式,适用于星上计算。
本发明实施例的技术方案是这样实现的:
第一方面,本发明实施例提供了一种基于能量最优的轨道转移方法,所述方法包括:
根据起始时刻卫星所处的初始轨道运动参数和设定的轨道转移任务指定的目标轨道运动参数,按照递推时间步长分别对初始轨道和目标轨道进行轨道递推以获取所述卫星在由所述起始时刻和设定的转移时长所确定的转移期间内从所述初始轨道转移至所述目标轨道过程中的开始转移和转移结束的离散位置及对应的速度;
根据选取时间步长从所述轨道转移过程中的开始转移和转移结束的离散位置中选取备选转移轨道的相关参数,并计算对应的总速度增量;其中,所述选取时间步长大于所述递推时间步长;
基于总速度增量以及设定的总速度增量阈值范围,从所述备选转移轨道相关参数中选取候选范围;
采用设定的模拟退火优化算法,在候选范围中搜索使得目标函数最小的转移轨道。
第二方面,本发明实施例提供了一种基于能量最优的轨道转移装置,其特征在于,所述装置包括:递推部分、第一选取部分、第二选取部分和搜索部分;其中,
所述递推部分,经配置为根据起始时刻卫星所处的初始轨道运动参数和设定的轨道转移任务指定的目标轨道运动参数,按照递推时间步长分别对初始轨道和目标轨道进行轨道递推以获取所述卫星在由所述起始时刻和设定的转移时长所确定的转移期间内从所述初始轨道转移至所述目标轨道过程中的开始转移和转移结束的离散位置及对应的速度;
所述第一选取部分,经配置为根据选取时间步长从所述轨道转移过程中的开始转移和转移结束的离散位置中选取备选转移轨道的相关参数,并计算对应的总速度增量;其中,所述选取时间步长大于所述递推时间步长;
所述第二选取部分,经配置为基于总速度增量以及设定的总速度增量阈值范围,从所述备选转移轨道相关参数中选取候选范围;
所述搜索部分,经配置为采用设定的模拟退火优化算法,在候选范围中搜索使得目标函数最小的转移轨道。
第三方面,本发明实施例提供了一种计算设备,通信接口,存储器和处理器;其中,
所述通信接口,用于在与其他外部网元之间进行收发信息过程中,信号的接收和发送;
所述存储器,用于存储能够在所述处理器上运行的计算机程序;
所述处理器,用于在运行所述计算机程序时,执行第一方面所述基于能量最优的轨道转移方法的步骤。
第四方面,本发明实施例提供了一种计算机存储介质,所述计算机存储介质存储有基于能量最优的轨道转移程序,所述基于能量最优的轨道转移程序被至少一个处理器执行时实现第一方面所述基于能量最优的轨道转移方法的步骤。
本发明实施例提供了一种基于能量最优的轨道转移方法、装置及存储介质;通过建立卫星轨道递推方程以获得初始轨道及目标轨道的离散化的位置和速度;随后按照较大的时间步长,以总速度增量为目标函数,采用等高线图法选出目标函数取值较低区域的候选范围。接着,在该候选范围内采用改进的模拟退火算法搜索使得目标函数值最小的情况,最终获得轨道转移能量最优机动方式对应的转移开始时刻,转移结束时刻,飞行时间和总速度增量。能够通过较小的计算量获取在给定的最长转移时间限制内能量消耗最优的最优得轨道转移方式,适用于星上计算。
附图说明
图1为本发明实施例提供的一种基于能量最优的轨道转移方法流程示意图;
图2为本发明实施例提供的一种转移轨道求解兰伯特问题示意图;
图3为本发明实施例提供的目标函数与出发时间和飞行时间的三维关系图;
图4为本发明实施例提供的一种等高线示意图;
图5为本发明实施例提供的一种基于能量最优的轨道转移装置的组成示意图;
图6为本发明实施例提供的一种计算设备的具体硬件结构示意图。
具体实施方式
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。
参见图1,其示出了本发明实施例提供的一种基于能量最优的轨道转移方法,该方法可以包括:
S11:根据起始时刻卫星所处的初始轨道运动参数和设定的轨道转移任务指定的目标轨道运动参数,按照递推时间步长分别对初始轨道和目标轨道进行轨道递推以获取所述卫星在由所述起始时刻和设定的转移时长所确定的转移期间内从所述初始轨道转移至所述目标轨道过程中的开始转移和转移结束的离散位置及对应的速度;
S12:根据选取时间步长从所述轨道转移过程中的开始转移和转移结束的离散位置中选取备选转移轨道的相关参数,并计算对应的总速度增量;其中,所述选取时间步长大于所述递推时间步长;
S13:基于总速度增量以及设定的总速度增量阈值范围,从所述备选转移轨道相关参数中选取候选范围;
S14:采用设定的模拟退火优化算法,在候选范围中搜索使得目标函数最小的转移轨道。
对于图1所示的技术方案,在一些可能的实现方式中,步骤S11所阐述的内容,具体可以包括:
以所述起始时刻t0卫星所处的初始轨道位置和速度以及目标轨道位置和速度为积分初值;
在所述起始时刻t0和所述转移时长ΔT所确定的转移期间[t0,t0+ΔT]内以递推时间步长dt1通过以下模型进行递推,获得J2摄动下卫星在所述转移期间内开始转移和转移结束的离散位置及对应的速度:
其中,rx,ry,rz表示卫星位置矢量r在J2000系下坐标列阵的三个分量,且模长为μ=3.986×1014m3·s-2为地球引力常数;J2=1.08264×10-3为地球二阶带谐项系数;Re为地球赤道平均半径。
对于上述实现方式,在一些示例中,所述根据选取时间步长从所述轨道转移过程中的开始转移和转移结束的离散位置中选取备选转移轨道的相关参数,并计算对应的总速度增量,包括:
按照所述选取时间步长从所述轨道转移过程中的开始转移和转移结束的离散位置中选取多个备选转移轨道;
将各备选转移轨道的起点和终点位置、各备选转移轨道对应的初始轨道和目标轨道的参数以及飞行时间所组成的第一集合,通过求解兰伯特问题获取各备选转移轨道对应的总速度增量,并以总速度增量确定为目标函数。
对于上述示例,所述基于总速度增量以及设定的总速度增量阈值范围,从所述备选转移轨道相关参数中选取候选范围,包括:
通过等高线图法在所述第一集合中选取低于所述总速度增量阈值范围的轨道转移开始时刻范围和飞行时间范围;
按照设定的搜索时间步长在选取的轨道转移开始时刻范围和飞行时间范围内搜索获得由转移轨道的起点和终点位置、转移轨道对应的初始轨道和目标轨道的参数以及飞行时间所组成的第二集合。
结合上述实现方式中关于步骤S12和S13及其示例,详细来说,按照较大的选取时间步长dt2,根据不同时刻卫星的初始轨道、目标轨道的离散化位置及速度,选出备选转移轨道的起点和终点位置,以及各备选转移轨道相对应的初始轨道、目标轨道参数和飞行时间,并形成第一集合C1;针对所述第一集合C1中的任意一组转移轨道,如图2所示,轨道平面的起点位置P1的半径r1,终点位置P2半径为r2,c为两个位置之间的直线距离,γ为两个位置相对于地心的转移角度,对于该组转移轨道的起点位置r1、终点位置r2及飞行时间Δt,求解兰伯特问题过程如下:
在根据上述过程完成兰伯特问题求解后,可以得到离开初始轨道时施加的速度脉冲Δv1和在离开转移轨道时施加的速度脉冲Δv2为:
其中,v1S为卫星离开初始轨道前的速度,v2T为卫星到达目标轨道后的速度。
为了使得完成轨道转移能量最低,也就是总速度增量最低,可选择目标函数为ξ=|Δv1|+|Δv2|。
接着,根据第一集合C1中的各组转移轨道及其对应的目标函数值,采用等高线图法获得目标函数取值较低区域的候选范围,比如低于所述总速度增量阈值范围的轨道转移开始时刻范围和飞行时间范围;可以理解地,较低区域可以通过设定等高线阈值进行表征,比如,低于该阈值的则可以被认为是较低区域。具体该阈值的详细参数,本发明实施例不做赘述。
此外,根据前述实现方式所获得候选范围,采用模拟退火算法进行搜索,模拟退火算法的最小步长dt3应满足dt3≥dt1、dt3<dt2,且为dt1的整倍数。本发明取模拟退火算法的最小时间步长等于递推时间步长dt1。从候选范围中选出由转移轨道的起点和终点位置、转移轨道对应的初始轨道和目标轨道的参数以及飞行时间所组成的第二集合C2。对于第二集合C2中的各相关参数,采用改进模拟退火优化算法搜索使得目标函数最小的情况。具体来说,所述采用设定的模拟退火优化算法,在候选范围中搜索使得目标函数最小的转移轨道,包括:
从第二集合C2中随机选择一组参数,并计算目标函数初值ξ0,并且令当前最优方案ξW=ξ0。此时,设定初始温度为T0,采用指数降温方式进行退火,那么第i次退火后温度为:Ti=T0(κi)
其中,κ∈(0,1)为退火速率控制系数,κ越大退火越慢。
当温度降至最低,或目标函数值连续多次不再降低时完成退火。此时所获得的转移开始时刻,转移结束时刻,飞行时间所对应的目标函数值应当为最优的。也就是说此时获得的方案为轨道转移能量最优方案。
当然,在一些示例中,若要获得更精确的结果,可以结合精确力学模型,采用微分修正法,对上述最优方案进一步进行精确轨道设计。
通过上述技术方案的相关阐述,本发明实施例通过建立卫星轨道递推方程以获得初始轨道及目标轨道的离散化的位置和速度;随后按照较大的时间步长,以总速度增量为目标函数,采用等高线图法选出目标函数取值较低区域的候选范围。接着,在该候选范围内采用改进的模拟退火算法搜索使得目标函数值最小的情况,最终获得轨道转移能量最优机动方式对应的转移开始时刻,转移结束时刻,飞行时间和总速度增量。能够通过较小的计算量获取在给定的最长转移时间限制内能量消耗最优的最优得轨道转移方式,适用于星上计算。
对于以上本发明实施例所提供的基于能量最优的轨道转移方法的阐述,本发明实施例通过一具体实验以验证其有效性。在本实验中,以J2000坐标系,设定t0=0时刻,卫星的初始轨道的位置矢量和速度矢量以及目标轨道的位置矢量和速度矢量为:设定完成轨道转移最长时间限制ΔT=95min,取递推时间步长dt1=1min进行轨道递推,获得不同时刻卫星初始轨道、目标轨道的离散化的位置和速度。
取选取步长时间dt2=10min,选出转移轨道起点、终点位置,及相应的初始轨道、目标轨道参数和飞行时间的第一集合C1,并计算目标函数ξ的值,绘制出的目标函数与出发时间和飞行时间的三维关系图如图3所示。根据图3绘制出的等高线图如图4所示。
根据图4所示的等高线图,以ξ<3找到使得目标函数取值较小区域,随后在目标函数较小区域采用前述技术方案中所阐述的改进模拟退火算法搜索得到的能量最优的轨道转移方案为:转移开始时刻为t1W=720s,转移结束时刻为t2W=3540s,飞行时间为ΔtW=2820s。此时目标函数取得的最小值为ξW=1.9973km/s。
基于前述技术方案相同的发明构思,参见图5,其示出了本发明实施例提供的一种基于能量最优的轨道转移装置50,所述装置50包括:递推部分501、第一选取部分502、第二选取部分503和搜索部分504;其中,
所述递推部分501,经配置为根据起始时刻卫星所处的初始轨道运动参数和设定的轨道转移任务指定的目标轨道运动参数,按照递推时间步长分别对初始轨道和目标轨道进行轨道递推以获取所述卫星在由所述起始时刻和设定的转移时长所确定的转移期间内从所述初始轨道转移至所述目标轨道过程中的开始转移和转移结束的离散位置及对应的速度;
所述第一选取部分502,经配置为根据选取时间步长从所述轨道转移过程中的开始转移和转移结束的离散位置中选取备选转移轨道的相关参数,并计算对应的总速度增量;其中,所述选取时间步长大于所述递推时间步长;
所述第二选取部分503,经配置为基于总速度增量以及设定的总速度增量阈值范围,从所述备选转移轨道相关参数中选取候选范围;
所述搜索部分504,经配置为采用设定的模拟退火优化算法,在候选范围中搜索使得目标函数最小的转移轨道。
在一些示例中,所述递推部分501,经配置为:
以所述起始时刻t0卫星所处的初始轨道位置和速度以及目标轨道位置和速度为积分初值;
在所述起始时刻t0和所述转移时长ΔT所确定的转移期间[t0,t0+ΔT]内以递推时间步长dt1通过以下模型进行递推,获得J2摄动下卫星在所述转移期间内开始转移和转移结束的离散位置及对应的速度:
其中,rx,ry,rz表示卫星位置矢量r在J2000系下坐标列阵的三个分量,且模长为μ=3.986×1014m3·s-2为地球引力常数;J2=1.08264×10-3为地球二阶带谐项系数;Re为地球赤道平均半径。
在一些示例中,所述第一选取部分502,经配置为:
按照所述选取时间步长从所述轨道转移过程中的开始转移和转移结束的离散位置中选取多个备选转移轨道;
将各备选转移轨道的起点和终点位置、各备选转移轨道对应的初始轨道和目标轨道的参数以及飞行时间所组成的第一集合,通过求解兰伯特问题获取各备选转移轨道对应的总速度增量,并以总速度增量确定为目标函数。
在一些示例中,所述第二选取部分503,经配置为:
通过等高线图法在所述第一集合中选取低于所述总速度增量阈值范围的轨道转移开始时刻范围和飞行时间范围;
按照设定的搜索时间步长在选取的轨道转移开始时刻范围和飞行时间范围内搜索获得由转移轨道的起点和终点位置、转移轨道对应的初始轨道和目标轨道的参数以及飞行时间所组成的第二集合。
在一些示例中,所述搜索部分504,经配置为:
从所述第二集合C2中随机选择一组参数,并计算目标函数初值ξ0,并且令当前最优方案ξW=ξ0;
设定初始温度为T0,采用指数降温方式进行退火,那么第i次退火后温度为:Ti=T0(κi);其中,κ∈(0,1)为退火速率控制系数,κ越大退火越慢。
当温度降至最低,或目标函数值连续多次不再降低时完成退火运算;
将完成退火运算时时所获得的转移开始时刻、转移结束时刻、以及飞行时间所对应的目标函数值确定为最优。
可以理解地,在本实施例中,“部分”可以是部分电路、部分处理器、部分程序或软件等等,当然也可以是单元,还可以是模块也可以是非模块化的。
另外,在本实施例中的各组成部分可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的单元如果以软件功能模块的形式实现并非作为独立的产品进行销售或使用时,可以存储在一个计算机可读取存储介质中,基于这样的理解,本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或processor(处理器)执行本实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
因此,本实施例提供了一种计算机存储介质,所述计算机存储介质存储有基于能量最优的轨道转移程序,所述基于能量最优的轨道转移程序被至少一个处理器执行时实现前述技术方案中所述基于能量最优的轨道转移方法的步骤。
根据上述基于能量最优的轨道转移装置50以及计算机存储介质,参见图6,其示出了本发明实施例提供的一种能够实施上述基于能量最优的轨道转移装置50的计算设备60的具体硬件结构,该计算设备60可以为无线装置、移动或蜂窝电话(包含所谓的智能电话)、个人数字助理(PDA)、视频游戏控制台(包含视频显示器、移动视频游戏装置、移动视频会议单元)、膝上型计算机、桌上型计算机、电视机顶盒、平板计算装置、电子书阅读器、固定或移动媒体播放器,等。计算设备60包括:通信接口601,存储器602和处理器603;各个组件通过总线系统604耦合在一起。可理解,总线系统604用于实现这些组件之间的连接通信。总线系统604除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图6中将各种总线都标为总线系统604。其中,
所述通信接口601,用于在与其他外部网元之间进行收发信息过程中,信号的接收和发送;
所述存储器602,用于存储能够在所述处理器603上运行的计算机程序;
所述处理器603,用于在运行所述计算机程序时,执行前述技术方案中所述基于能量最优的轨道转移方法步骤。
可以理解,本发明实施例中的存储器602可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,DRRAM)。本文描述的系统和方法的存储器602旨在包括但不限于这些和任意其它适合类型的存储器。
而处理器603可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器603中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器603可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器602,处理器603读取存储器602中的信息,结合其硬件完成上述方法的步骤。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits,ASIC)、数字信号处理器(Digital Signal Processing,DSP)、数字信号处理设备(DSP Device,DSPD)、可编程逻辑设备(Programmable LogicDevice,PLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
可以理解地,上述基于能量最优的轨道转移装置50以及计算设备60的示例性技术方案,与前述基于能量最优的轨道转移方法的技术方案属于同一构思,因此,上述对于基于能量最优的轨道转移装置50以及计算设备60的技术方案未详细描述的细节内容,均可以参见前述基于能量最优的轨道转移方法的技术方案的描述。本发明实施例对此不做赘述。
需要说明的是:本发明实施例所记载的技术方案之间,在不冲突的情况下,可以任意组合。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (6)
1.一种基于能量最优的轨道转移方法,其特征在于,所述方法包括:
根据起始时刻卫星所处的初始轨道运动参数和设定的轨道转移任务指定的目标轨道运动参数,按照递推时间步长分别对初始轨道和目标轨道进行轨道递推以获取所述卫星在由所述起始时刻和设定的转移时长所确定的转移期间内从所述初始轨道转移至所述目标轨道过程中的开始转移和转移结束的离散位置及对应的速度;
根据选取时间步长从所述轨道转移过程中的开始转移和转移结束的离散位置中选取备选转移轨道的相关参数,并计算对应的总速度增量;其中,所述选取时间步长大于所述递推时间步长;其中,所述根据选取时间步长从所述轨道转移过程中的开始转移和转移结束的离散位置中选取备选转移轨道的相关参数,并计算对应的总速度增量,包括:
按照所述选取时间步长从所述轨道转移过程中的开始转移和转移结束的离散位置中选取多个备选转移轨道;
将各备选转移轨道的起点和终点位置、各备选转移轨道对应的初始轨道和目标轨道的参数以及飞行时间所组成的第一集合,通过求解兰伯特问题获取各备选转移轨道对应的总速度增量,并以总速度增量确定为目标函数;
基于总速度增量以及设定的总速度增量阈值范围,从所述备选转移轨道相关参数中选取候选范围;其中,所述基于总速度增量以及设定的总速度增量阈值范围,从所述备选转移轨道相关参数中选取候选范围,包括:
通过等高线图法在所述第一集合中选取低于所述总速度增量阈值范围的轨道转移开始时刻范围和飞行时间范围;
按照设定的搜索时间步长在选取的轨道转移开始时刻范围和飞行时间范围内搜索获得由转移轨道的起点和终点位置、转移轨道对应的初始轨道和目标轨道的参数以及飞行时间所组成的第二集合;
采用设定的模拟退火优化算法,在候选范围中搜索使得目标函数最小的转移轨道。
2.根据权利要求1所述的方法,其特征在于,所述根据起始时刻卫星所处的初始轨道运动参数和设定的轨道转移任务指定的目标轨道运动参数,按照递推时间步长分别对初始轨道和目标轨道进行轨道递推以获取所述卫星在由所述起始时刻和设定的转移时长所确定的转移期间内从所述初始轨道转移至所述目标轨道过程中的开始转移和转移结束的离散位置及对应的速度,包括:
以所述起始时刻t0卫星所处的初始轨道位置和速度以及目标轨道位置和速度为积分初值;
在所述起始时刻t0和所述转移时长ΔT所确定的转移期间[t0,t0+ΔT]内以递推时间步长dt1通过以下模型进行递推,获得J2摄动下卫星在所述转移期间内开始转移和转移结束的离散位置及对应的速度:
3.根据权利要求1所述的方法,其特征在于,所述采用设定的模拟退火优化算法,在候选范围中搜索使得目标函数最小的转移轨道,包括:
从所述第二集合C2中随机选择一组参数,并计算目标函数初值ξ0,并且令当前最优方案ξW=ξ0;
设定初始温度为T0,采用指数降温方式进行退火,那么第i次退火后温度为:Ti=T0(κi);其中,κ∈(0,1)为退火速率控制系数,κ越大退火越慢;
当温度降至最低,或目标函数值连续多次不再降低时完成退火运算;
将完成退火运算时所获得的转移开始时刻、转移结束时刻、以及飞行时间所对应的目标函数值确定为最优。
4.一种基于能量最优的轨道转移装置,其特征在于,所述装置包括:递推部分、第一选取部分、第二选取部分和搜索部分;其中,
所述递推部分,经配置为根据起始时刻卫星所处的初始轨道运动参数和设定的轨道转移任务指定的目标轨道运动参数,按照递推时间步长分别对初始轨道和目标轨道进行轨道递推以获取所述卫星在由所述起始时刻和设定的转移时长所确定的转移期间内从所述初始轨道转移至所述目标轨道过程中的开始转移和转移结束的离散位置及对应的速度;
所述第一选取部分,经配置为根据选取时间步长从所述轨道转移过程中的开始转移和转移结束的离散位置中选取备选转移轨道的相关参数,并计算对应的总速度增量;其中,所述选取时间步长大于所述递推时间步长;其中,所述根据选取时间步长从所述轨道转移过程中的开始转移和转移结束的离散位置中选取备选转移轨道的相关参数,并计算对应的总速度增量,包括:
按照所述选取时间步长从所述轨道转移过程中的开始转移和转移结束的离散位置中选取多个备选转移轨道;
将各备选转移轨道的起点和终点位置、各备选转移轨道对应的初始轨道和目标轨道的参数以及飞行时间所组成的第一集合,通过求解兰伯特问题获取各备选转移轨道对应的总速度增量,并以总速度增量确定为目标函数;
所述第二选取部分,经配置为基于总速度增量以及设定的总速度增量阈值范围,从所述备选转移轨道相关参数中选取候选范围;其中,所述基于总速度增量以及设定的总速度增量阈值范围,从所述备选转移轨道相关参数中选取候选范围,包括:
通过等高线图法在所述第一集合中选取低于所述总速度增量阈值范围的轨道转移开始时刻范围和飞行时间范围;
按照设定的搜索时间步长在选取的轨道转移开始时刻范围和飞行时间范围内搜索获得由转移轨道的起点和终点位置、转移轨道对应的初始轨道和目标轨道的参数以及飞行时间所组成的第二集合;
所述搜索部分,经配置为采用设定的模拟退火优化算法,在候选范围中搜索使得目标函数最小的转移轨道。
5.一种计算设备,其特征在于,通信接口,存储器和处理器;其中,
所述通信接口,用于在与其他外部网元之间进行收发信息过程中,信号的接收和发送;
所述存储器,用于存储能够在所述处理器上运行的计算机程序;
所述处理器,用于在运行所述计算机程序时,执行权利要求1至3任一项所述基于能量最优的轨道转移方法的步骤。
6.一种计算机存储介质,其特征在于,所述计算机存储介质存储有基于能量最优的轨道转移程序,所述基于能量最优的轨道转移程序被至少一个处理器执行时实现权利要求1至3任一项所述基于能量最优的轨道转移方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110315882.0A CN113060305B (zh) | 2021-03-24 | 2021-03-24 | 一种基于能量最优的轨道转移方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110315882.0A CN113060305B (zh) | 2021-03-24 | 2021-03-24 | 一种基于能量最优的轨道转移方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113060305A CN113060305A (zh) | 2021-07-02 |
CN113060305B true CN113060305B (zh) | 2022-07-12 |
Family
ID=76561758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110315882.0A Active CN113060305B (zh) | 2021-03-24 | 2021-03-24 | 一种基于能量最优的轨道转移方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113060305B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114137993B (zh) * | 2021-11-01 | 2022-07-29 | 北京空间飞行器总体设计部 | 一种带有深空机动的地火短转移轨道发射窗口搜索方法 |
CN114781275B (zh) * | 2022-05-19 | 2023-04-07 | 哈尔滨工业大学 | 基于人工智能的航天器轨道拦截的燃料控制方法、装置及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102923322A (zh) * | 2012-11-29 | 2013-02-13 | 北京理工大学 | 一种基于等高线图的天体探测借力天体选择方法 |
CN107037373A (zh) * | 2017-05-03 | 2017-08-11 | 广西大学 | 基于神经网络的蓄电池剩余电量预测方法 |
CN109625323A (zh) * | 2018-11-09 | 2019-04-16 | 中国科学院空间应用工程与技术中心 | 一种卫星化学推进变轨方法及系统 |
CN110647163A (zh) * | 2019-10-22 | 2020-01-03 | 中国人民解放军战略支援部队航天工程大学 | 对geo空间目标持续可见光探测的绕飞轨道设计方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6845950B1 (en) * | 2003-11-26 | 2005-01-25 | Lockheed Martin Corporation | System for high efficiency spacecraft orbit transfer |
CA2656850A1 (en) * | 2008-03-03 | 2009-09-03 | Solido Design Automation Inc. | Global statistical optimization, characterization, and design |
US11195057B2 (en) * | 2014-03-18 | 2021-12-07 | Z Advanced Computing, Inc. | System and method for extremely efficient image and pattern recognition and artificial intelligence platform |
CN104361234B (zh) * | 2014-11-15 | 2017-07-14 | 北京理工大学 | 一种复杂约束条件下多星多任务观测调度优化方法 |
FR3030456B1 (fr) * | 2014-12-17 | 2016-12-16 | Thales Sa | Procede de guidage pour la mise a poste d'un satellite |
CN106986049B (zh) * | 2017-04-25 | 2020-05-05 | 上海航天控制技术研究所 | 一种深空借力轨道精确并行优化设计方法 |
CN108614420B (zh) * | 2018-05-04 | 2021-03-16 | 天津大学 | 基于非线性规划的星簇级卫星容错控制方法 |
EP3695783A1 (en) * | 2019-02-15 | 2020-08-19 | Origin Wireless, Inc. | Method, apparatus, and system for wireless gait recognition |
US11465782B2 (en) * | 2019-08-28 | 2022-10-11 | The Boeing Company | Systems and methods for autonomous deorbiting of a spacecraft |
CN111090941A (zh) * | 2019-12-17 | 2020-05-01 | 哈尔滨工业大学 | 一种基于多目标优化算法的航天器最优Lambert轨道交会方法 |
CN111191368B (zh) * | 2019-12-30 | 2023-08-18 | 航天科工火箭技术有限公司 | 一种连续小推力行星际转移轨道优化方法和装置 |
-
2021
- 2021-03-24 CN CN202110315882.0A patent/CN113060305B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102923322A (zh) * | 2012-11-29 | 2013-02-13 | 北京理工大学 | 一种基于等高线图的天体探测借力天体选择方法 |
CN107037373A (zh) * | 2017-05-03 | 2017-08-11 | 广西大学 | 基于神经网络的蓄电池剩余电量预测方法 |
CN109625323A (zh) * | 2018-11-09 | 2019-04-16 | 中国科学院空间应用工程与技术中心 | 一种卫星化学推进变轨方法及系统 |
CN110647163A (zh) * | 2019-10-22 | 2020-01-03 | 中国人民解放军战略支援部队航天工程大学 | 对geo空间目标持续可见光探测的绕飞轨道设计方法 |
Non-Patent Citations (1)
Title |
---|
基于空间划分的搜索算法;陈健;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20051215;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113060305A (zh) | 2021-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113060305B (zh) | 一种基于能量最优的轨道转移方法、装置及存储介质 | |
US11604997B2 (en) | Training action selection neural networks using leave-one-out-updates | |
US20170228638A1 (en) | Augmenting neural networks with sparsely-accessed external memory | |
CN115879519A (zh) | 增强神经网络以生成附加输出 | |
WO2021058588A1 (en) | Training action selection neural networks using hindsight modelling | |
EP4014161A1 (en) | Training action selection neural networks using q-learning combined with look ahead search | |
CN110235149B (zh) | 神经情节控制 | |
CN111079895A (zh) | 增强具有外部存储器的神经网络 | |
Shirazi et al. | An evolutionary discretized Lambert approach for optimal long-range rendezvous considering impulse limit | |
Osman et al. | A generic multi-sensor fusion scheme for localization of autonomous platforms using moving horizon estimation | |
Chen et al. | Robust self-adaptive Kalman filter with application in target tracking | |
CN116339347B (zh) | 一种无人车运行路径规划方法、装置及设备 | |
CN109582911B (zh) | 用于实行卷积的计算装置及实行卷积的计算方法 | |
Shalumov | Online launch-time selection using deep learning in a target–missile–defender engagement | |
CN116039957B (zh) | 一种考虑障碍约束的航天器在线博弈规划方法、装置及介质 | |
CN113837977B (zh) | 对象跟踪方法、多目标跟踪模型训练方法及相关设备 | |
CN115047769A (zh) | 一种基于约束跟随的无人作战平台避障-到达控制方法 | |
CN116039956B (zh) | 一种基于蒙特卡洛树搜索的航天器序列博弈方法、装置及介质 | |
Hu et al. | Visual servoing with deep reinforcement learning for rotor unmanned helicopter | |
Alqudsi et al. | A general real-time optimization framework for polynomial-based trajectory planning of autonomous flying robots | |
Okadome et al. | Sampling‐Based Motion Planning with a Prediction Model using Fast Gaussian Process Regression | |
CN115258199B (zh) | 基于ftsm的异轨交会的跟踪控制方法、装置及介质 | |
CN113805485B (zh) | 一种暖启动c/gmres方法、系统、设备及介质 | |
Sugimoto et al. | An Experimental Study for Tracking Ability of Deep Q-Network | |
CN113148227B (zh) | 卫星集群分布式控制方法和装置 |
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 |