[發明專利]基于混沌種群變異PIO的航天器姿態軌道協同規劃方法

有效

• 申請號: 201810366021.3
• 申請日: 2018-04-23
• 公開（公告）號: CN108919818B
• 公開（公告）日: 2020-08-04
• 發明（設計）人: 華冰;劉睿鵬;段海濱;吳云華;陳志明
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G05D1/08
• 分類號: G05D1/08
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 熊玉瑋

本發明公開了基于混沌種群變異PIO的航天器姿態軌道協同規劃方法，屬于衛星姿態軌道控制的技術領域。本發明在算法的演化階段采取了“探索”，“搜尋”，“變異”，“歸巢”的鴿群動態尋優策略。在地圖指南針階段針對種群的初始化問題加入混沌算子進行初始化操作，在種群完成初始化后加入了自適應算子實現了種群可依據當前種群演化狀態自適應演化，同時加入了變異算子來解決種群陷入局部最優解的問題；在地標算子階段針對種群收縮問題加入收縮算子，解決了優秀個體流失過快、種群退化問題，使規劃結果更加平滑，種群演化更加深入，局部最優解問題以及算法發散問題得到了解決，進一步減少了算法的計算量。

技術領域

本發明公開了基于混沌種群變異PIO的航天器姿態軌道協同規劃方法，屬于衛星姿態軌道控制的技術領域。

背景技術

PIO(Pigeon-Inspired Optimization，鴿群啟發優化)算法是受鴿群在歸巢過程中的導航過程的啟發發展而來的，鴿群在遠離目的地的時候主要依靠太陽以及地磁進行導航，而在抵近目的地后則會使用地標進行導航，并且群體中不熟悉地標的個體將會跟隨熟悉地標的群體飛行。

現有PIO算法能夠實現無人機以及機器人的避障以及路徑規劃、圖像邊緣識別，但是尚未解決航天器姿態軌道在復雜約束條件以及強耦合關系下的協調規劃問題。現有PIO算法存在以下四類缺陷：(1)研究發現種群狀態的初始化會直接影響前期的種群演化結果，并且當前的PIO算法在種群演化時無法根據種群當前的演化狀態自適應地對后面的演化進行調整，這使得算法存在易陷入局部最優解、演化停滯、提前收斂、演化不深入等問題；(2)現有PIO算法在地標算法階段存在種群數量下降過快的問題，這使得種群在最后階段未充分演化便將優秀個體淘汰，算法有發散甚至退化的可能；(3)在適應度函數方面，當前PIO算法無法針對規劃結果的平滑程度進行篩選。(4)研究發現現有PIO算法的結果的方差較大，這使得航天器的控制機構頻繁啟動，消耗航天器寶貴能源的同時對機械結構也有一定的磨損。

而當前針對航天器的姿態軌道的規劃算法普遍是將姿態和軌道分開進行規劃的，但是航天器的姿態軌道實際上存在直接的耦合關系，在進行制導時應考慮到航天器的位置，在航天器軌道規劃結果的基礎上對姿態進行規劃。目前，針對航天器姿態規劃問題，McInness通過勢函數構建了姿態限制性區域的模型并且使用了李雅普諾夫第二法則得到控制量的輸入，該方法雖然計算量較低，可有效減少星載計算機的資源占用，但是并沒有將航天器姿態機動的時間以及耗能考慮在內，同時，在計算過程中使用的歐拉角在運動學描述中產生奇點；Melton從最優控制的角度使用數值解法，但是其計算量較大并且可能無法適用于無障礙運動；蘇抗等人從衛星低RCS特性的角度出發對衛星的姿態進行規劃，但是其并未對滾轉角進行規劃，且俯仰角僅可在[0-180°]內規劃；Kjellberg等人采用二十面體離散化技術并使用A*算法實現最優路徑的規劃，但是算法中并未考慮邊界約束和動態約束；Kim Y等人將路徑規劃問題轉換成半定規劃問題，但該方法的復雜度會隨著約束的增加而急劇增大。

本發明旨在對現有PIO算法的核心迭代算法以及適應度函數進行深度改進以實現航天器集群的姿態軌道協同規劃。

發明內容

本發明的發明目的是針對上述背景技術的不足，提供了基于混沌種群變異PIO的航天器姿態軌道協同規劃方法，采用改進型PIO算法實現了強耦合關系下的航天器姿態軌道的協同規劃，解決了現有航天器姿態軌道規劃方案尚未實現姿態與軌道的協同規劃以及現有姿態規劃方案或軌道規劃方案未考慮全部動態約束條件和影響規劃結果的全部因素且復雜度大的技術問題。

本發明為實現上述發明目的采用如下技術方案：

基于混沌種群變異PIO的航天器姿態軌道協同規劃方法，采用基于混沌種群變異的自適應鴿群算法規劃航天器路徑，依據路徑節點與航天器的姿態性強制約束以及限制性約束的相對關系建立姿態規劃模型，將姿態規劃模型映射到R參數空間，采用基于混沌種群變異的自適應鴿群算法規劃航天器姿態得到耦合的姿態軌道規劃結果。