[發明專利]基于粒子群優化算法的飛行器再入軌跡在線規劃方法

在審

• 申請號: 201610540282.3
• 申請日: 2016-07-08
• 公開（公告）號: CN107590297A
• 公開（公告）日: 2018-01-16
• 發明（設計）人: 陳沖;侯硯澤;李憲強;王青;冉茂鵬;左光;屈峰;榮成成
• 申請（專利權）人: 北京空間技術研制試驗中心
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N3/00;G06Q10/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于粒子群優化算法的飛行器再入軌跡在線規劃方法，其特征在于，包括以下步驟：

步驟1、根據飛行器再入任務需求，確定再入初始條件的包絡范圍；

步驟2、根據再入初始條件的所述包絡范圍，確定傾側角分段常值大小、傾側角符號最大反轉次數；

步驟3、對再入初始條件的所述包絡范圍劃分網格，即將原包絡劃分為多個子包絡，同時保證原包絡頂點均為某子包絡頂點；

步驟4、以各所述子包絡頂點為再入初始條件，采用粒子群優化算法離線設計飛行器再入標準軌道；

步驟5、通過離線數字仿真驗證所述包絡范圍劃分和對各所述子包絡頂點優化得到的所述再入標準軌道的有效性；

步驟6、對得到的仿真結果進行統計分析，若結果不滿足設計預期要求，則轉到步驟3重新劃分子包絡；若滿足預期設計要求，則設計結束。

2.根據權利要求1所述的基于粒子群優化算法的飛行器再入軌跡在線規劃方法，其特征在于，采用所述粒子群優化算法離線設計所述飛行器再入標準軌道的步驟具體包括：

選取再入飛行器側向制導的漏斗邊界和阻尼系數為所述粒子群優化算法的決策變量，并設置優化過程中漏斗邊界和阻尼系數上下界；

根據飛行器再入任務需求和再入過程約束條件，設置所述粒子群優化算法的目標函數；

設置所述粒子群優化算法迭代過程中的基本參數；

在不同再入初始條件下，通過算法迭代獲得滿足要求的再入標準軌道。

3.根據權利要求2所述的基于粒子群優化算法的飛行器再入軌跡在線規劃方法，其特征在于，所述粒子群優化算法的所述基本參數包括粒子群種群數目、最大迭代次數、粒子最大飛行速度、學習因子、慣性權重。

4.根據權利要求3所述的基于粒子群優化算法的飛行器再入軌跡在線規劃方法，其特征在于，所述粒子群種群數目為20～50，所述最大迭代次數為50～100，所述粒子最大飛行速度為相應變量搜索范圍的1/10～1/5，所述學習因子為2，所述慣性權重的初始值為0.9，終止值為0.4。

5.根據權利要求2所述的基于粒子群優化算法的飛行器再入軌跡在線規劃方法，其特征在于，設置飛行器再入落點精度為目標函數，對再入過程中的約束通過設計相應的罰函數的方法的目標函數中予以體現。

6.根據權利要求1至5中任一項所述的基于粒子群優化算法的飛行器再入軌跡在線規劃方法，其特征在于，所述子包絡的劃分密度為：再入高度2公里，再入速度100米每秒，再入時速度傾角0.2度。

7.根據權利要求1至5中任一項所述的基于粒子群優化算法的飛行器再入軌跡在線規劃方法，其特征在于，所述再入初始條件主要包括飛行器再入速度、再入高度、再入時速度方向角。

8.根據權利要求1至5中任一項所述的基于粒子群優化算法的飛行器再入軌跡在線規劃方法，其特征在于，所述傾側角符號最大反轉次數為3～4次。