航天器轨道追逃动力学与控制问题研究综述

随着航天器交会与接近操作技术的快速发展,轨道追逃问题逐渐成为航天领域的研究热点。从动力学与控制视角,对航天器轨道追逃问题的研究现状进行综述。给出了基于定量微分对策的轨道追逃问题模型的一般形式,系统梳理了各种类型的轨道追逃问题;对于追逃策略求解,分别针对闭环策略和开环策略,分析了各种方法的优缺点;围绕人工智能算法与轨道追逃问题的结合,阐述了基于深度神经网络和强化学习的轨道追逃策略的研究现状。关于未来展望,提出了追逃博弈态势分析、多航天器博弈控制、三体条件下博弈动力学与控制等发展方向。     

单航天器无需变轨与Walker星座多星交会的充分条件及特性分析

以Walker星座为研究对象,对单航天器无需变轨实现多星交会的问题展开研究。从Walker星座相位同构特性出发,得到了单航天器无需变轨能够对多颗星座卫星交会的充分条件,对交会的星座卫星的数目和星座卫星组合等问题进行了研究。在此基础上,提出了利用解析法求解交会轨道的轨道设计方法,并对交会轨道的特性进行了分析。对交会更多星座卫星(大于3颗)的可能性展开了讨论。研究结果可为单航天器无需变轨对星座多星交会提供理论依据。     

采用可达域覆盖的多航天器协同护卫策略

针对高轨高价值目标护卫问题,提出了一种基于可达域覆盖的多航天器协同护卫策略。从相对运动视角对协同护卫任务进行了描述,并将威胁源多脉冲机动可达域问题建模为凸优化问题求解。在滚动优化框架下,根据动态更新的威胁源终端可达域,设计协同护卫平面及护卫点,以此为终端位置约束构建多航天器协同轨迹规划模型,生成相应护卫轨迹。仿真结果表明,所提出的可达域分析方法能够快速计算威胁源终端可达域,协同护卫策略在多个场景下均能有效阻止威胁源,且护卫成功率随护卫航天器机动能力增强而增大。     

高超声速再入轨迹跟踪控制的微分变换方法

针对多约束条件下高超声速飞行器再入制导问题,提出一种基于微分变换法求解最优反馈控制的全状态标准轨迹跟踪制导律。利用滚动时域控制方法设计易于在线执行的闭环跟踪制导策略,在每个制导周期内将标准轨迹跟踪问题转化为线性时变系统状态调节器问题,并通过最优控制理论进一步转化为两点边值问题,采用微分变换法进行求解获得最优反馈控制律。数值仿真表明微分变换法的引入有效解决了传统两点边值问题求解的数值不稳定性与耗时问题,所设计的闭环制导律对状态偏差与模型不确定性具有较强的鲁棒性,可为工程设计提供有益参考。     

基于循环追踪算法的编队航天器交会控制

采用循环追踪算法解决编队航天器交会控制问题。建立并推导了线性循环追踪算法和非线性循环追踪算法数学模型,提出了绕飞平面采用循环追踪控制,绕飞平面法向采用比例微分进行振动抑制的编队交会控制律。基于脉冲推力方式,对绕飞平面分别采用线性和非线性循环追踪的三航天器编队交会控制问题进行了仿真分析。仿真结果表明,提出的基于循环追踪的控制方式可满足编队航天器交会控制要求,航天器按顺时针运行轨迹交会于初始位置决定的参考中心,三航天器间相对距离、相对运动速度变化趋势基本一致,速度增量消耗较小,为航天器编队构形控制研究提供有益参考。     

基于神经网络的机器人运动学反解算法

提出了一种基于神经网络的机器人运动学反解算法。详细讨论了神经网络求解的快速算法以及求解精度的自动检验与改进等技术问题,并以六自由度ＰＵＭＡ机器人为例,进行了数值模拟计算。结果表明：用神经网络反对机器人的运动学问题,不仅求解过程简单,还可避免传统反解方法中的许多棘手问题。     

基于十字靶标的人控交会对接仿真

为了减轻航天员的负担,提高人控对接成功率,建立人控交会对接仿真系统是很有必要的。通过对追踪飞行器和目标飞行器的动力学模型分析,建立了人控交会对接仿真系统的基本框架,并基于十字靶标进行了相应的仿真实验。实验结果表明航天员经过一定的训练后,可以通过操作手柄控制追踪飞行器的位置和姿态,实现航天器的交会对接。为降低操作的复杂程度,航天员可以只进行位置控制,而把姿态控制交给自控系统,这样手控对接的成功率会更高。     

C2组织结构适应性优化的模型与方法

在现有C2（Command and Control）组织结构适应性优化研究基础上,分析了不确定使命环境下C2组织能力并提出了新的测度指标,构建了C2组织结构适应性优化模型,并针对模型中结构变量与能力测度具有的复杂关联性和动态不确定性的特点,提出了基于组织结构分层的适应性优化策略和基于滚动时域的动态适应性优化策略,并综合两种适应性优化策略,提出了C2组织结构的分层动态适应性优化方法。     

无人机航迹规划中动态威胁评估方法

无人机利用动态威胁评估方法可以对航迹中的动态威胁等级进行评估,然后根据评估结果制定相应的规避策略完成规避动作。针对无人机航迹规划中动态威胁的规避问题,提出了基于模糊离散动态贝叶斯网络的动态威胁评估方法。基于模糊分类的信息处理技术可以处理部分连续观测值问题,基于动态贝叶斯网络的推理技术能利用先验信息和离散的证据信息进行不确定性推理,最后推理评估得到动态威胁等级。仿真结果表明,该评估方法在处理时序上不确定性问题具有较强的优势以及很好的鲁棒性。     

基于滚动时域的C2组织决策层结构动态适应性优化

针对C2组织决策层结构适应性优化问题,定义了决策层结构与使命的适应性测度,分析了影响C2组织决策层结构的不确定因素,建立了决策层结构适应性优化模型.为了降低决策层结构适应性优化问题求解所面临的不确定性和减少决策层结构变化成本,设计了基于滚动时域的动态适应性优化方法,在提升决策层结构性能的同时控制了决策层结构变化成本.通...     

空陆攻防博弈的动态武器目标分配

大规模作战具有高动态、非完全信息和不确定性,在分析归纳目前解决动态武器目标分配问题的一系列方法的基础上,尝试构建基于双方动态博弈的攻防对抗综合数学模型,并利用纳什均衡和帕累托最优算法进行分阶段求解。结果表明,该数学模型和博弈论方法结合能够有效解决武器目标动态分配问题。     

小行星探测多脉冲交会轨道多目标优化

现有的小行星探测交会轨道研究多集中于二脉冲最优燃料研究,本文则研究了小行星探测多脉冲交会轨道多目标优化问题.基于Lambert交会算法建立了包含地球逃逸轨道和日心转移轨道的多脉冲交会轨道优化模型,以燃料消耗最小和转移时间最短为两个优化目标函数.采用一类典型的多目标进化算法——NSGA -Ⅱ用于Pareto最优解的确定....     

Validation of a strategy for harbor defense based on the use of a min‐max algorithm receding horizon control law

We present a validation of a centralized feedback control law for robotic or partially robotic water craft whose task is to defend a harbor from an intruding fleet of water craft. Our work was motivated by the need to provide harbor defenses against hostile, possibly suicidal intruders, preferably using unmanned craft to limit potential casualties. Our feedback control law is a sample‐data receding horizon control law, which requires the solution of a complex max‐min problem at the start of each sample time. In developing this control law, we had to deal with three challenges. The first was to develop a max‐min problem that captures realistically the nature of the defense‐intrusion game. The second was to ensure the solution of this max‐min problem can be accomplished in a small fraction of the sample time that would be needed to control a possibly fast moving craft. The third, to which this article is dedicated, was to validate the effectiveness of our control law first through computer simulations pitting a computer against a computer or a computer against a human, then through the use of model hovercraft in a laboratory, and finally on the Chesapeake Bay, using Yard Patrol boats. © 2016 Wiley Periodicals, Inc. Naval Research Logistics 63: 247–259, 2016     

A forward network simplex algorithm for solving multiperiod network flow problems

An optimization model which is frequently used to assist decision makers in the areas of resource scheduling, planning, and distribution is the minimum cost multiperiod network flow problem. This model describes network structure decision-making problems over time. Such problems arise in the areas of production/distribution systems, economic planning, communication systems, material handling systems, traffic systems, railway systems, building evacuation systems, energy systems, as well as in many others. Although existing network solution techniques are efficient, there are still limitations to the size of problems that can be solved. To date, only a few researchers have taken the multiperiod structure into consideration in devising efficient solution methods. Standard network codes are usually used because of their availability and perceived efficiency. In this paper we discuss the development, implementation, and computational testing of a new technique, the forward network simplex method, for solving linear, minimum cost, multiperiod network flow problems. The forward network simplex method is a forward algorithm which exploits the natural decomposition of multiperiod network problems by limiting its pivoting activity. A forward algorithm is an approach to solving dynamic problems by solving successively longer finite subproblems, terminating when a stopping rule can be invoked or a decision horizon found. Such procedures are available for a large number of special structure models. Here we describe the specialization of the forward simplex method of Aronson, Morton, and Thompson to solving multiperiod network network flow problems. Computational results indicate that both the solution time and pivot count are linear in the number of periods. For standard network optimization codes, which do not exploit the multiperiod structure, the pivot count is linear in the number of periods; however, the solution time is quadratic.     

基于神经网络集成的传感器故障诊断研究

针对诊断传感器偏置故障及漂移故障的难点问题,提出了一种基于神经网络集成的传感器故障诊断方法。该方法将传感器输出看做时间序列,通过加噪声生成抖动数据,建立多组神经网络,以获得神经网络集成预测器输出。通过将预测器输出与传感器实际输出相比较获取残差序列,获得基于残差序列的传感器偏置故障和漂移故障的辨识策略,实现传感器故障在线诊断。应用结果表明该方法可以提高神经网络的运算精度,从而快速准确地检测和分离传感器故障,辨识传感器故障类型以及故障发生的时间。     

基于最优制导模板的神经网络预测制导方法

针对传统预测制导方法中高精度制导与快速实时解算之间的矛盾,提出了一种基于最优制导模板的神经网络预测制导方法。该方法采用基于高置信度飞行器运动模型仿真计算预测弹道落点,利用优化理论进行迭代解算制导变量,以此为基础离线生成样本数据;通过选择合适的多结构模态神经网络,进行基于调度管理的神经网络训练,完成神经网络控制器的设计。针对CAV进行了算例设计,结果表明:该制导方法在线计算量少,制导解算速度快,制导精度高,综合性能远优于传统的预测制导方法。     

具有策略偏好的模糊双矩阵对策模型及其应用

针对局中人对策略有偏好、支付值模糊的双矩阵对策给出了一种具体的求解方法,首先根据加权算子集结得到局中人的策略偏好向量、利用模糊数排序方式将模型转化为清晰的双矩阵对策,再利用粒子群优化算法求解.最后以雷达电子对抗为例,建立了具有策略偏好的模糊双矩阵对策的作战效能评估模型,研究结果对于双方资源分配,提高作战效能具有一定的军...     

基于贝叶斯混合博弈的空袭火力资源分配决策模型

从博弈论的角度出发研究空袭火力资源的分配问题,针对空袭编队和防空火力单元攻防对抗过程中存在的不确定性、静态性以及动态性,建立基于贝叶斯混合博弈的空袭对抗火力分配模型。通过构造贝叶斯混合博弈树,采用逆向回溯法分别建立不同的博弈分析模型,利用混合粒子群算法求解那什均衡。仿真结果表明:以博弈论为背景研究空袭作战火力分配问题,符合真实的作战坏境,有效性好,有较高的理论应用价值。     

遗传算法及其在导弹火力分配上的应用

遗传算法是一种近年来新发展起来的优化算法,目前它已被广泛应用于解决许多实际问题,如函数优化、图像识别、机器学习、人工神经网络、人工生命、优化调度等许多领域。通过对一种遗传算法的研究,阐述其在导弹武器火力分配上的应用。首先设计和实现了一种遗传算法;然后描述了导弹火力分配优化问题,建立了其数学模型;最后运用遗传算法求解了该问题。