CN116295452B - 一种太阳光约束下单对多星连续掠飞轨迹优化方法及装置 - Google Patents

一种太阳光约束下单对多星连续掠飞轨迹优化方法及装置 Download PDF

Info

Publication number
CN116295452B
CN116295452B CN202310290634.4A CN202310290634A CN116295452B CN 116295452 B CN116295452 B CN 116295452B CN 202310290634 A CN202310290634 A CN 202310290634A CN 116295452 B CN116295452 B CN 116295452B
Authority
CN
China
Prior art keywords
star
optimization
track
constraint
task
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
CN202310290634.4A
Other languages
English (en)
Other versions
CN116295452A (zh
Inventor
叶东
张豪
肖岩
张刚
李化义
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN202310290634.4A priority Critical patent/CN116295452B/zh
Publication of CN116295452A publication Critical patent/CN116295452A/zh
Application granted granted Critical
Publication of CN116295452B publication Critical patent/CN116295452B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/24—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for cosmonautical navigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Navigation (AREA)

Abstract

本申请公开了一种太阳光约束下单对多星连续掠飞轨迹优化方法及装置，属于航天器轨道优化技术领域，包括：获取初始轨道参数；将太阳光约束处理为非线性约束；通过lambert变轨策略建立太阳光约束下的轨迹优化模型，其中，整数变量为任务星对n颗目标星的掠飞序列，实数变量为任务星的初始轨道参数和每次进行轨道转移所需的变轨时间，优化指标为任务星完成观测任务所需的总速度增量；对轨迹优化模型进行迭代优化时通过混合编码遗传算法对整数变量和实数变量进行混合优化，并将轨迹优化模型满足迭代终止条件时求解得到的相应优化指标作为目标总速度增量，以实现对任务星连续掠飞轨迹的优化。适用于处理单对多星连续掠飞轨迹优化问题。

Description

一种太阳光约束下单对多星连续掠飞轨迹优化方法及装置
技术领域
本申请涉及一种太阳光约束下单对多星连续掠飞轨迹优化方法及装置，属于航天器轨道优化技术领域。
背景技术
单对多星连续掠飞观测任务是指一颗任务星通过多次轨道转移连续接近n颗目标星进行掠飞观测。任务通常需要首先确定目标星的轨道，确定发射任务星的时间；然后将任务星送入与目标星相近的轨道，作机动变轨连续接近n颗目标星。在掠飞观测过程中若使观测卫星具有对目标观测及成像的能力，两星相对位置需满足良好的成像光照角度，因此需要满足太阳光约束条件。
单对多星连续掠飞观测任务可以简化为带有基本约束的多段轨迹同时优化问题。传统的轨迹优化方法以每段轨迹的转移时间作为优化变量，以速度增量(燃料消耗)作为优化指标，通常使用序列二次规划算法(SQP)进行优化求解。序列二次规划算法(SQP)可以求解非线性约束，且具有计算精度高、收敛速度快、稳定性好等优点，但其对初值的选择比较敏感得到的是局部最优的解，并非全局最优解。如张庆泽,尹龙逊,张强,王博,叶东,王佐伟.航天器多约束空间抵近掠飞轨迹优化方法[J].空间控制技术与应用,2022,48(03):49-56.设计了一种综合多步优化和序列二次规划的优化算法解决多约束下航天器掠飞轨迹优化问题，实现了燃料最省的轨道转移策略，可以作为对多航天器连续掠飞观测轨迹优化的参考。该种方法以转移时间作为连续实数优化变量，通过直接给定任务星初始位置，根据就近原则串联起掠飞序列，对于整数序列规划进行简化处理，优化得到的轨迹非常容易受到任务星初始运动状态的影响，不同的任务卫星初始位置会改变对目标星掠飞观测的顺序和相应的轨迹，得到差别很大的燃料消耗结果，很多情况下得不到理想的燃料最优轨迹。
此外，在不考虑约束情况下进行轨迹优化也经常使用粒子群算法(PSO)。PSO是一种启发式随机优化算法,它随机生成初始猜测，全局性较好，但其求解器不能求解非线性约束，因此不适用带有太阳光约束的掠飞观测任务。
发明内容
本申请的目的在于提供一种太阳光约束下单对多星连续掠飞轨迹优化方法及装置，将太阳光约束下1对n颗卫星连续掠飞观测任务转化为轨迹优化问题，能够使任务星完成观测任务的同时燃料消耗最小，获得更加理想的任务星的燃料最优轨迹。
为实现上述目的，本申请第一方面提供了一种太阳光约束下单对多星连续掠飞轨迹优化方法，包括：
S100获取初始轨道参数，其中，所述初始轨道参数包括任务星的初始轨道参数和n颗目标星的初始轨道参数；
S200将太阳光约束通过模型简化和时间变量离散化的方式处理为非线性约束；
S300基于所述初始轨道参数，通过lambert变轨策略建立所述太阳光约束下的轨迹优化模型，其中，所述轨迹优化模型中，整数变量为所述任务星对n颗目标星的掠飞序列，实数变量为所述任务星的初始轨道参数和所述任务星每次进行轨道转移所需的变轨时间，优化指标为所述任务星完成观测任务所需的总速度增量；
S400对所述轨迹优化模型进行迭代优化，并在每次迭代中通过混合编码遗传算法对所述整数变量和所述实数变量进行混合优化，求解所述优化指标；
S500判断所述轨迹优化模型是否满足迭代终止条件，若是，则将求解得到的相应优化指标作为目标总速度增量，以实现对所述任务星连续掠飞轨迹的优化；否则，返回步骤S400。
在一种实施方式中，在S200中，所述将太阳光约束通过模型简化和时间变量离散化的方式处理为非线性约束包括：
建立太阳光约束简化模型；
基于所述太阳光约束简化模型对时间变量进行离散化处理，以将所述太阳光约束处理为非线性约束。
在一种实施方式中，在S200中，所述建立太阳光约束简化模型具体包括：
设A为所述任务星，B为所述目标星，C为太阳光，则所述任务星A在对任务星B的掠飞观测时段内的掠飞轨迹近似为直线所述任务星A位置的太阳矢量为/>此时，将α作为/>与/>夹角，将θ作为所述任务星A扫描视场的圆锥角。
在一种实施方式中，在S200中，所述基于所述太阳光约束简化模型对时间变量进行离散化处理具体包括：
对时间变量进行离散化处理，使得所述任务星A对n颗目标星的掠飞观测时段内，每步长间隔测量得到的当前和/>均满足以下条件：
在一种实施方式中，在S300中，所述整数变量具体包括：
将[x1,x2,...,xn]作为n个整数变量，其中，xi(i＝1,2,...,n)为所述任务星对第n颗目标星进行掠飞观测的顺序，xn∈[1,n]，对所述n个整数变量进行约束使各整数变量互不相同，从而得到所述掠飞序列。
在一种实施方式中，在S300中，所述实数变量具体包括：
以[xn+1,xn+2…,x2n,a,u]作为n+2个连续实数变量，其中，xn+i(i＝1,2,…,n)为所述任务星对第n目标星进行掠飞观测时进行轨道转移所需的变轨时间，a为所述任务星的轨道半径，u为所述任务星的纬度辐角。
在一种实施方式中，在S400中，具体包括以下步骤：
通过二进制编码方式将所述n+2个连续实数变量离散化；
将所述n+2个连续实数变量与所述n个整数变量编码至同一条染色体上，得到2n+2个变量；
在所述轨迹优化模型的每次迭代中，通过实整数混合编码遗传算法对所述2n+2个变量进行混合优化，直至所述轨迹优化模型满足迭代终止条件。
本申请第二方面提供了一种太阳光约束下单对多星连续掠飞轨迹优化装置，包括：
获取模块，用于获取初始轨道参数，其中，所述初始轨道参数包括任务星的初始轨道参数和n颗目标星的初始轨道参数；
约束模块，用于将太阳光约束通过模型简化和时间变量离散化的方式处理为非线性约束；
模型构建模块，用于基于所述初始轨道参数，通过lambert变轨策略建立所述太阳光约束下的轨迹优化模型，其中，所述轨迹优化模型中，整数变量为所述任务星对n颗目标星的掠飞序列，实数变量为所述任务星的初始轨道参数和所述任务星每次进行轨道转移所需的变轨时间，优化指标为所述任务星完成观测任务所需的总速度增量；
优化模块，用于对所述轨迹优化模型进行迭代优化，并在每次迭代中通过混合编码遗传算法对所述整数变量和所述实数变量进行混合优化，求解所述优化指标；
判断模块，用于判断所述轨迹优化模型是否满足迭代终止条件，若是，则将求解得到的相应优化指标作为目标总速度增量，以实现对所述任务星连续掠飞轨迹的优化；否则，控制所述优化模块执行相应的步骤。
本申请第三方面提供了一种电子设备，包括：存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述第一方面或者上述第一方面的任一实施方式中的步骤。
本申请第四方面提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现上述第一方面或者上述第一方面的任一实施方式中的步骤。
由上可见，本申请提供了一种太阳光约束下单对多星连续掠飞轨迹优化方法及装置，采用lambert变轨策略，将连续掠飞轨迹优化问题进行简化，以任务星每次进行轨道转移所需的变轨时间作为连续实数变量进行优化，实现对每段转移轨迹的优化，减少了问题的设计变量数，提高了优化的稳定性和准确度。同时，利用整数规划实现对任务星掠飞序列的优化，即对每颗目标星进行掠飞的顺序作为整数变量进行优化，可以得到燃料消耗最少的目标总速度增量，获得更加理想的燃料最优轨迹。此外，由于遗传算法适合求解复杂约束的优化问题，可以用来处理太阳光约束，混合编码可以将连续变量离散化，本申请使用混合编码遗传算法实现整数变量(掠飞序列)和实数变量(任务星初始轨道参数、变轨时间)同时寻优，既能求解非线性约束，又能在保证遗传算法全局性能的基础上得到燃料最优轨迹，解决了任务星连续掠飞轨迹优化问题，与传统的遗传算法相比具有更强的全局搜索能力，非常适合处理单对多星连续掠飞轨迹优化问题；并且由于遗传算法具有较强的鲁棒性，可以应用于实际工程任务，为方案设计提供参考。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述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申请的一些实施例，对于本领域普通技术人员来讲，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。
图1为本申请实施例提供的一种太阳光约束下单对多星连续掠飞轨迹优化方法的流程示意图；
图2为本申请实施例提供的一种任务场景示意图；
图3为本申请实施例提供的一种太阳光约束简化模型；
图4为本申请实施例提供的一种混合编码遗传算法模型；
图5为本申请实施例提供的一种迭代优化过程图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本申请。在其它情况下，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
下面结合本申请实施例中的附图，对本申请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申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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它实施例，都属于本申请保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本申请，但是本申请还可以采用其它不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施例的限制。
实施例一
本申请实施例提供了一种太阳光约束下单对多星连续掠飞轨迹优化方法，如图1所示，该方法包括：
S100获取初始轨道参数，其中，所述初始轨道参数包括任务星的初始轨道参数和n颗目标星的初始轨道参数；
S200将太阳光约束通过模型简化和时间变量离散化的方式处理为非线性约束；
S300基于所述初始轨道参数，通过lambert变轨策略建立所述太阳光约束下的轨迹优化模型，其中，所述轨迹优化模型中，整数变量为所述任务星对n颗目标星的掠飞序列，实数变量为所述任务星的初始轨道参数和所述任务星每次进行轨道转移所需的变轨时间，优化指标为所述任务星完成观测任务所需的总速度增量；
S400对所述轨迹优化模型进行迭代优化，并在每次迭代中通过混合编码遗传算法对所述整数变量和所述实数变量进行混合优化，求解所述优化指标；
S500判断所述轨迹优化模型是否满足迭代终止条件，若是，则将求解得到的相应优化指标作为目标总速度增量，以实现对所述任务星连续掠飞轨迹的优化；否则，返回步骤S400。
可选的，在S100中，所述任务星的初始轨道参数包括：a、e、i、Ω、u；任一目标星的初始轨道参数包括：a、e、i、Ω、ω、其中，a为轨道半长轴，对于圆轨道为轨道半径、e为轨道离心率、i为轨道倾角、Ω为升交点赤经、ω为近地点幅角、/>为真近点角、u为纬度幅角。或者，还可以包括其他参数，此处不做限定。
在一种应用场景中，根据所述初始轨道参数确定任务星和n颗目标星的初始轨道位置后，任务场景如图2所示。
可选的，在S200中，所述将太阳光约束通过模型简化和时间变量离散化的方式处理为非线性约束包括：
建立太阳光约束简化模型；
基于所述太阳光约束简化模型对时间变量进行离散化处理，以将所述太阳光约束处理为非线性约束。
可选的，在S200中，如图3所示，所述建立太阳光约束简化模型具体包括：
设A为所述任务星，B为所述目标星，C为太阳光，则所述任务星A在对任务星B的掠飞观测时段内的掠飞轨迹近似为直线所述任务星A位置的太阳矢量为/>此时，将α作为/>与/>夹角，将θ作为所述任务星A扫描视场的圆锥角。
可选的，在S200中，所述基于所述太阳光约束简化模型对时间变量进行离散化处理具体包括：
对时间变量进行离散化处理，使得所述任务星A对n颗目标星的掠飞观测时段内，每步长间隔测量得到的当前和/>均满足以下非线性约束条件：
在一种实施方式中，设步长间隔为5s，则在对所述任务星连续掠飞轨迹进行优化的整个过程中，每间隔5s对当前和/>进行采样测量时，得到α与θ的关系均需要满足所述非线性约束条件，以实现在太阳光约束下对所述任务星连续掠飞轨迹的优化。
可选的，在S300中，所述整数变量具体包括：
将[x1,x2,...,xn]作为n个整数变量，其中，xi(i＝1,2,...,n)为所述任务星对第n颗目标星进行掠飞观测的顺序，xn∈[1,n]，对所述n个整数变量进行约束使各整数变量互不相同，从而得到一组掠飞序列(也称访问序列)。
可选的，在S300中，所述实数变量具体包括：
以[xn+1,xn+2…,x2n,a,u]作为n+2个连续实数变量，其中，xn+i(i＝1,2,…,n)为所述任务星对第n目标星进行掠飞观测时进行轨道转移所需的变轨时间，a为所述任务星的轨道半径，u为所述任务星的纬度辐角。
进一步的，在S300中，通过lambert变轨策略建立所述太阳光约束下的轨迹优化模型，首先采用lambert变轨策略，将1对n颗卫星连续掠飞观测任务简化为轨迹优化问题。同时建立太阳光约束下以总速度增量(即燃料消耗)为优化指标的轨迹优化模型，利用整数规划实现对掠飞序列的优化，以对每颗目标星进行掠飞观测的顺序作为整数变量进行优化；同时利用连续实数规划实现对对任务星初始轨道参数和变轨时间的优化，实现对每段转移轨迹的优化，减少了问题的设计变量数，提高了优化的稳定性和准确度，以获得更加理想的燃料最优轨迹。
可选的，在S400中，通过混合编码遗传算法求解上述轨迹优化模型以解决轨迹优化问题，如图4所示，具体包括以下步骤：
通过二进制编码方式将所述n+2个连续实数变量离散化；
将所述n+2个连续实数变量与所述n个整数变量编码至同一条染色体上，得到2n+2个变量；
在所述轨迹优化模型的每次迭代中，通过实整数混合编码遗传算法对所述2n+2个变量进行混合优化，直至所述轨迹优化模型满足迭代终止条件。
在一种实施方式中，求解所述优化指标包括：计算得到任务星完成连续掠飞观测任务时每段转移轨道所需的速度增量，根据各速度增量得到总速度增量，通过所述轨迹优化模型多次迭代优化使总速度增量(燃料消耗)最少，并将最少的总速度增量作为目标总速度增量，进而得到针对连续掠飞轨迹的燃料最优策略，实现对所述任务星连续掠飞轨迹的优化。
由上可见，本申请实施例提供了一种太阳光约束下单对多星连续掠飞轨迹优化方法，采用lambert变轨策略，将连续掠飞轨迹优化问题进行简化，以任务星每次进行轨道转移所需的变轨时间作为连续实数变量进行优化，实现对每段转移轨迹的优化，减少了问题的设计变量数，提高了优化的稳定性和准确度。同时，利用整数规划实现对任务星掠飞序列的优化，即对每颗目标星进行掠飞的顺序作为整数变量进行优化，可以得到燃料消耗最少的目标总速度增量，获得更加理想的燃料最优轨迹。此外，由于遗传算法适合求解复杂约束的优化问题，可以用来处理太阳光约束，混合编码可以将连续变量离散化，本申请实施例使用混合编码遗传算法实现整数变量(掠飞序列)和实数变量(任务星初始轨道参数、变轨时间)同时寻优，既能求解非线性约束，又能在保证遗传算法全局性能的基础上得到燃料最优轨迹，解决了任务星连续掠飞轨迹优化问题，与传统的遗传算法相比具有更强的全局搜索能力，非常适合处理单对多星连续掠飞轨迹优化问题；并且由于遗传算法具有较强的鲁棒性，可以应用于实际工程任务，为方案设计提供参考。
实施例二
本申请实施例通过仿真实验对上述太阳光约束下单对多星连续掠飞轨迹优化方法做进一步说明，具体步骤如下：
仿真实验中，任务初始UTC时间：2022-02-2604:00:00；太阳光约束指标：任务星视场圆锥角为10deg；目标星以一簇星链卫星(STARLINK-1436、STARLINK-1393、STARLINK-1397、STARLINK-2089、STARLINK-1402、STARLINK-1401)为例，近似在同一轨道面上，分别编号为1、2、3、4、5、6，目标星的初始轨道参数如表1所示：
表1目标星的初始轨道参数
通过轨迹优化模型优化后，得到的任务星的初始轨道参数如表2所示：
表2任务星的初始轨道参数
迭代优化过程如图5所示，达到预设最大迭代次数1000次之后，得到最优目标函数值。
优化后得到的掠飞序列为5-2-4-6-1-3，任务星进行每次轨道转移所需的变轨时间(即机动时间)及速度脉冲大小(即速度增量)如表3所示：
表3任务星转移时间及速度脉冲
完成连续掠飞观测任务所需总转移时间6028.9s，总速度增量为57.8m/s。
仿真结果表明：连续掠飞观测任务所需总时间较短，不超过2h，且任务星所需总速度增量很小，不超过60m/s，优化效果很好，得到了一条燃料消耗很少且任务花费时间较短的轨迹。
实施例三
本申请实施例提供了一种太阳光约束下单对多星连续掠飞轨迹优化装置，该装置包括：
获取模块，用于获取初始轨道参数，其中，所述初始轨道参数包括任务星的初始轨道参数和n颗目标星的初始轨道参数；
约束模块，用于将太阳光约束通过模型简化和时间变量离散化的方式处理为非线性约束；
模型构建模块，用于基于所述初始轨道参数，通过lambert变轨策略建立所述太阳光约束下的轨迹优化模型，其中，所述轨迹优化模型中，整数变量为所述任务星对n颗目标星的掠飞序列，实数变量为所述任务星的初始轨道参数和所述任务星每次进行轨道转移所需的变轨时间，优化指标为所述任务星完成观测任务所需的总速度增量；
优化模块，用于对所述轨迹优化模型进行迭代优化，并在每次迭代中通过混合编码遗传算法对所述整数变量和所述实数变量进行混合优化，求解所述优化指标；
判断模块，用于判断所述轨迹优化模型是否满足迭代终止条件，若是，则将求解得到的相应优化指标作为目标总速度增量，以实现对所述任务星连续掠飞轨迹的优化；否则，控制所述优化模块执行相应的步骤。
由上可见，本申请实施例提供了一种太阳光约束下单对多星连续掠飞轨迹优化装置，采用lambert变轨策略，将连续掠飞轨迹优化问题进行简化，以任务星每次进行轨道转移所需的变轨时间作为连续实数变量进行优化，实现对每段转移轨迹的优化，减少了问题的设计变量数，提高了优化的稳定性和准确度。同时，利用整数规划实现对任务星掠飞序列的优化，即对每颗目标星进行掠飞的顺序作为整数变量进行优化，可以得到燃料消耗最少的目标总速度增量，获得更加理想的燃料最优轨迹。此外，由于遗传算法适合求解复杂约束的优化问题，可以用来处理太阳光约束，混合编码可以将连续变量离散化，本申请实施例使用混合编码遗传算法实现整数变量(掠飞序列)和实数变量(任务星初始轨道参数、变轨时间)同时寻优，既能求解非线性约束，又能在保证遗传算法全局性能的基础上得到燃料最优轨迹，解决了任务星连续掠飞轨迹优化问题，与传统的遗传算法相比具有更强的全局搜索能力，非常适合处理单对多星连续掠飞轨迹优化问题；并且由于遗传算法具有较强的鲁棒性，可以应用于实际工程任务，为方案设计提供参考。
实施例四
本申请实施例提供了一种电子设备，该电子设备包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，其中，存储器用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器和处理器通过总线连接。具体地，处理器通过运行存储在存储器的上述计算机程序时实现上述实施例一中的任一步骤。
应当理解，在本申请实施例中，所称处理器可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(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、分立硬件组件等。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。
存储器可以包括只读存储器、快闪存储器和随机存储器，并向处理器提供指令和数据。存储器的一部分或全部还可以包括非易失性随机存取存储器。
由上可见，本申请实施例提供的电子设备，通过运行计算机程序将连续掠飞轨迹优化问题进行简化，实现对每段转移轨迹的优化，减少了问题的设计变量数，提高了优化的稳定性和准确度，并得到燃料消耗最少的目标总速度增量，获得更加理想的燃料最优轨迹。此外，与传统的遗传算法相比具有更强的全局搜索能力，非常适合处理单对多星连续掠飞轨迹优化问题；并且由于遗传算法具有较强的鲁棒性，可以应用于实际工程任务，为方案设计提供参考。
应当理解，上述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，上述计算机程序可存储于以计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括：能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将上述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
需要说明的是，上述实施例所提供的方法及其细节举例可结合至实施例提供的装置和设备中，相互参照，不再赘述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各实例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟是以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其他的方式实现。例如，以上所描述的装置/设备实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以由另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
上述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种太阳光约束下单对多星连续掠飞轨迹优化方法，其特征在于，包括：
S100获取初始轨道参数，其中，所述初始轨道参数包括任务星的初始轨道参数和n颗目标星的初始轨道参数；
S200将太阳光约束通过模型简化和时间变量离散化的方式处理为非线性约束；
S300基于所述初始轨道参数，通过lambert变轨策略建立所述太阳光约束下的轨迹优化模型，其中，所述轨迹优化模型中，整数变量为所述任务星对n颗目标星的掠飞序列，实数变量为所述任务星的初始轨道参数和所述任务星每次进行轨道转移所需的变轨时间，优化指标为所述任务星完成观测任务所需的总速度增量；
S400对所述轨迹优化模型进行迭代优化，并在每次迭代中通过混合编码遗传算法对所述整数变量和所述实数变量进行混合优化，求解所述优化指标；
S500判断所述轨迹优化模型是否满足迭代终止条件，若是，则将求解得到的相应优化指标作为目标总速度增量，以实现对所述任务星连续掠飞轨迹的优化；否则，返回步骤S400。
2.如权利要求1所述的太阳光约束下单对多星连续掠飞轨迹优化方法，其特征在于，在S200中，所述将太阳光约束通过模型简化和时间变量离散化的方式处理为非线性约束包括：
建立太阳光约束简化模型；
基于所述太阳光约束简化模型对时间变量进行离散化处理，以将所述太阳光约束处理为非线性约束。
3.如权利要求2所述的太阳光约束下单对多星连续掠飞轨迹优化方法，其特征在于，在S200中，所述建立太阳光约束简化模型具体包括：
设A为所述任务星，B为所述目标星，C为太阳光，则所述任务星A在对任务星B的掠飞观测时段内的掠飞轨迹近似为直线所述任务星A位置的太阳矢量为/>此时，将α作为/>与/>夹角，将θ作为所述任务星A扫描视场的圆锥角。
4.如权利要求3所述的太阳光约束下单对多星连续掠飞轨迹优化方法，其特征在于，在S200中，所述基于所述太阳光约束简化模型对时间变量进行离散化处理具体包括：
对时间变量进行离散化处理，使得所述任务星A对n颗目标星的掠飞观测时段内，每步长间隔测量得到的当前和/>均满足以下条件：
5.如权利要求1-4任一项所述的太阳光约束下单对多星连续掠飞轨迹优化方法，其特征在于，在S300中，所述整数变量具体包括：
将[x1,x2,...,xn]作为n个整数变量，其中，xi(i＝1,2,...,n)为所述任务星对第n颗目标星进行掠飞观测的顺序，xn∈[1,n]，对所述n个整数变量进行约束使各整数变量互不相同，从而得到所述掠飞序列。
6.如权利要求5所述的太阳光约束下单对多星连续掠飞轨迹优化方法，其特征在于，在S300中，所述实数变量具体包括：
以[xn+1,xn+2…,x2n,a,u]作为n+2个连续实数变量，其中，xn+i(i＝1,2,…,n)为所述任务星对第n目标星进行掠飞观测时进行轨道转移所需的变轨时间，a为所述任务星的轨道半径，u为所述任务星的纬度辐角。
7.如权利要求6所述的太阳光约束下单对多星连续掠飞轨迹优化方法，其特征在于，在S400中，具体包括以下步骤：
通过二进制编码方式将所述n+2个连续实数变量离散化；
将所述n+2个连续实数变量与所述n个整数变量编码至同一条染色体上，得到2n+2个变量；
在所述轨迹优化模型的每次迭代中，通过实整数混合编码遗传算法对所述2n+2个变量进行混合优化，直至所述轨迹优化模型满足迭代终止条件。
8.一种太阳光约束下单对多星连续掠飞轨迹优化装置，其特征在于，包括：
获取模块，用于获取初始轨道参数，其中，所述初始轨道参数包括任务星的初始轨道参数和n颗目标星的初始轨道参数；
约束模块，用于将太阳光约束通过模型简化和时间变量离散化的方式处理为非线性约束；
模型构建模块，用于基于所述初始轨道参数，通过lambert变轨策略建立所述太阳光约束下的轨迹优化模型，其中，所述轨迹优化模型中，整数变量为所述任务星对n颗目标星的掠飞序列，实数变量为所述任务星的初始轨道参数和所述任务星每次进行轨道转移所需的变轨时间，优化指标为所述任务星完成观测任务所需的总速度增量；
优化模块，用于对所述轨迹优化模型进行迭代优化，并在每次迭代中通过混合编码遗传算法对所述整数变量和所述实数变量进行混合优化，求解所述优化指标；
判断模块，用于判断所述轨迹优化模型是否满足迭代终止条件，若是，则将求解得到的相应优化指标作为目标总速度增量，以实现对所述任务星连续掠飞轨迹的优化；否则，控制所述优化模块执行相应的步骤。
9.一种电子设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
CN202310290634.4A 2023-03-23 2023-03-23 一种太阳光约束下单对多星连续掠飞轨迹优化方法及装置 Active CN116295452B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310290634.4A CN116295452B (zh) 2023-03-23 2023-03-23 一种太阳光约束下单对多星连续掠飞轨迹优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310290634.4A CN116295452B (zh) 2023-03-23 2023-03-23 一种太阳光约束下单对多星连续掠飞轨迹优化方法及装置

Publications (2)

Publication Number Publication Date
CN116295452A CN116295452A (zh) 2023-06-23
CN116295452B true CN116295452B (zh) 2023-11-14

Family

ID=86830329

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310290634.4A Active CN116295452B (zh) 2023-03-23 2023-03-23 一种太阳光约束下单对多星连续掠飞轨迹优化方法及装置

Country Status (1)

Country Link
CN (1) CN116295452B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0799768A1 (fr) * 1996-04-05 1997-10-08 SOCIETE EUROPEENNE DE PROPULSION (S.E.P.) Société Anonyme dite: Procédé et système de mise en orbite d'un véhicule spatial avec des propulseurs à forte impulsion spécifique
CN109592079A (zh) * 2018-12-03 2019-04-09 哈尔滨工业大学 一种限定时间的航天器共面交会变轨策略确定方法
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
CN111753244A (zh) * 2020-07-01 2020-10-09 哈尔滨工业大学 一种基于牛顿迭代的Lambert变轨问题半长轴迭代空间转移轨道计算方法
CN113688560A (zh) * 2021-07-13 2021-11-23 中南大学 面向多星单侦察目标的轨道机动优化方法
CN114357853A (zh) * 2021-11-23 2022-04-15 上海航天控制技术研究所 基于遗传算法修正的多圈J2-Lambert转移轨道求解方法
CN114970180A (zh) * 2022-06-06 2022-08-30 哈尔滨工业大学 一种航天器掠飞观测的在轨优化方法
CN115081884A (zh) * 2022-06-23 2022-09-20 哈尔滨工业大学 一种分布式星上在线多对多任务规划方法
CN115238518A (zh) * 2022-08-08 2022-10-25 哈尔滨工业大学 一种利用迭代优化的航天器抵近轨道规划方法
CN115610704A (zh) * 2022-09-27 2023-01-17 哈尔滨工业大学 可在轨实现掠飞观测任务的变轨方法、装置及介质
CN115719035A (zh) * 2022-11-03 2023-02-28 哈尔滨工业大学 一种考虑太阳光约束的单对多星连续掠飞观测轨迹优化方法及系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0799768A1 (fr) * 1996-04-05 1997-10-08 SOCIETE EUROPEENNE DE PROPULSION (S.E.P.) Société Anonyme dite: Procédé et système de mise en orbite d'un véhicule spatial avec des propulseurs à forte impulsion spécifique
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
CN109592079A (zh) * 2018-12-03 2019-04-09 哈尔滨工业大学 一种限定时间的航天器共面交会变轨策略确定方法
CN111753244A (zh) * 2020-07-01 2020-10-09 哈尔滨工业大学 一种基于牛顿迭代的Lambert变轨问题半长轴迭代空间转移轨道计算方法
CN113688560A (zh) * 2021-07-13 2021-11-23 中南大学 面向多星单侦察目标的轨道机动优化方法
CN114357853A (zh) * 2021-11-23 2022-04-15 上海航天控制技术研究所 基于遗传算法修正的多圈J2-Lambert转移轨道求解方法
CN114970180A (zh) * 2022-06-06 2022-08-30 哈尔滨工业大学 一种航天器掠飞观测的在轨优化方法
CN115081884A (zh) * 2022-06-23 2022-09-20 哈尔滨工业大学 一种分布式星上在线多对多任务规划方法
CN115238518A (zh) * 2022-08-08 2022-10-25 哈尔滨工业大学 一种利用迭代优化的航天器抵近轨道规划方法
CN115610704A (zh) * 2022-09-27 2023-01-17 哈尔滨工业大学 可在轨实现掠飞观测任务的变轨方法、装置及介质
CN115719035A (zh) * 2022-11-03 2023-02-28 哈尔滨工业大学 一种考虑太阳光约束的单对多星连续掠飞观测轨迹优化方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
多任务约束的空间站长时间轨道任务规划;林鲲鹏;罗亚中;张进;唐国金;;中国科学:技术科学(第05期);512-522 *
航天器多约束空间抵近掠飞轨迹优化方法;张庆泽等;《空间控制技术与应用》;第第48卷卷(第第3期期);49-56 *

Also Published As

Publication number Publication date
CN116295452A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
Phung et al. Enhanced discrete particle swarm optimization path planning for UAV vision-based surface inspection
CN110687923B (zh) 无人机长距离循迹飞行方法、装置、设备及存储介质
CN107145161B (zh) 无人机访问多目标点的航迹规划方法及装置
Zhang Star identification
Zhang et al. Path planning of UAV based on improved adaptive grey wolf optimization algorithm
CN107290961B (zh) 一种针对敏捷卫星的在线调度方法
CN115719035B (zh) 一种考虑太阳光约束的单对多星连续掠飞观测轨迹优化方法及系统
US20030163207A1 (en) Distributed optimization system
CN112947592B (zh) 一种基于强化学习的再入飞行器轨迹规划方法
CN111191368B (zh) 一种连续小推力行星际转移轨道优化方法和装置
Mok et al. Heuristic-based mission planning for an agile earth observation satellite
CN112183710A (zh) 确定路径的方法及装置
CN105334739B (zh) 基于迭代学习p型学习律的fast整网控制方法
CN116295452B (zh) 一种太阳光约束下单对多星连续掠飞轨迹优化方法及装置
Nesnas et al. Autonomous exploration of small bodies toward greater autonomy for deep space missions
Akimenko et al. The temporal characteristics of a wandering along parallel semi-Markov chains
CN114897215A (zh) 基于无监督学习离散鸽群优化多无人机侦察任务分配方法
Zhao et al. Object detection based on hierarchical multi-view proposal network for autonomous driving
Xu et al. Artificial moment method for swarm robot formation control
Bohlin et al. Numerical calculation of Thomson scattering from inhomogeneous models of the corona, and application to streamers of the 1970 and 1972 eclipses
CN111123974B (zh) 用于大口径射电望远镜天文跟踪模式的轨迹规划方法
Wen et al. Satellite mission planning for moving targets observation via data driven approach
Du et al. Single intersection traffic light control by multi-agent reinforcement learning
Wu et al. Adaptive fuzzy logic traffic signal control based on cuckoo search algorithm
CN108154462B (zh) 一种白昼环境下星图背景的实时滤波方法

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