运载火箭上升段轨迹的AICSA-SQP混合优化方法研究

摘要

“空间快速响应”这一概念指明了运载火箭快速发射、机动、低成本进入空间的发展方向，对运载火箭的轨迹优化能力提出了更高的要求。同时，运载火箭飞行环境的复杂多变性、影响因素不确定性等问题，使运载火箭的轨迹优化设计十分困难。在此背景下，论文重点针对运载火箭上升段轨迹，提出了自适应免疫克隆选择--序列二次规划（Adaptive Immune Clonal Selection Algorithm-SequentialQuadratic Programming,AICSA-SQP）的混合优化方法，主要研究内容和创新点包括： （1）在发射惯性参考系下，建立了运载火箭上升段运动数学模型。由于运载火箭上升段运动方程中各变量之间的绝对数值相差很大，且这种差距是数值求解中非常不稳定的因素。因此，为了保证数值计算的稳定性，以及提高轨迹优化算法的求解效率，本文将有量纲的运动数学模型转化成了无量纲的运动学模型。 （2）hp自适应伪谱法能够自适应地调节配点个数和分布，比一般伪谱法的求解速度更快、计算精度更高。本文选择Radau伪谱法作为hp自适应伪谱法的配点离散方案，并对Radau伪谱法的离散参数化过程以及hp-RPM自适应策略进行了详细介绍。 （3）在基本免疫克隆选择算法（Immune Clonal Selection Algorithm,ICSA）的基础上，将抗体上可能发生变异的等位基因个数及其突变的概率分别与演化代数相结合，提出了自适应免疫克隆选择算法（Adaptive Immune Clonal Selection Algorithm,AICSA），对ICSA算法进行改进，改善了ICSA在演化初期的多样性和演化末期的局部搜索能力，提高了算法整体的收敛速度。 （4）为了提高AICSA算法解的精度，同时减小SQP算法在求解运载火箭上升段轨迹优化问题时对初值的敏感性，本文将AICSA算法和SQP算法相结合，设计了AICSA-SQP分层串行混合优化算法。仿真实验结果表明，本文所提出的AICSA算法提高了传统ICSA算法的收敛速度，所设计的AICSA-SQP分层串行优化算法求解得到的优化轨迹精度较高，且算法对初值不敏感，能够有效地求解运载火箭上升段轨迹优化问题。

目录

第一个书签之前

摘要

ABSTRACT

插图索引

表格索引

符号对照表

缩略语对照表

第一章 绪论

1.1 研究背景及意义

1.2 轨迹优化参数化方法

1.2.1 间接法

1.2.2 直接法

1.2.3 hp自适应伪谱法

1.2.4 其他优化方法

1.3 轨迹优化数值优化算法

1.3.1 SQP算法

1.3.2 启发式智能优化算法

1.3.3 多目标优化算法

1.3.4 混合优化算法及应用

1.4 本文工作及结构安排

1.4.1 主要工作

1.4.2 结构安排

第二章 运载火箭上升段运动数学模型

2.1 引言

2.2 参考系的定义及转换关系

2.2.1 参考系的定义

2.2.2 各参考系间的转换关系

2.3 运载火箭上升段运动数学模型

2.3.1 质心动力学矢量方程

2.3.2 发射惯性参考系下的质心动力学方程

2.3.3 补充方程

2.3.4 无量纲化运动数学模型

2.4 本章小结

第三章 hp-RPM自适应伪谱法

3.1 引言

3.2 轨迹优化问题的数学描述

3.3 Radau伪谱法

3.4 hp自适应策略

3.4.1 误差评估准则

3.4.2 增加配点或细化网格的判据

3.4.3 hp-RPM算法步骤与流程

3.5 本章小结

第四章 基于AICSA-SQP分层优化的运载火箭上升段轨迹仿真

4.1 引言

4.2 AICSA-SQP分层串行混合优化算法

4.2.1 基本免疫克隆选择算法

4.2.2 改进的免疫克隆选择算法

4.2.3 AICSA-SQP分层串行混合优化算法

4.3 约束处理方法

4.4 数值优化仿真及结果分析

4.4.1 上升段轨迹优化模型

4.4.2 实验结果及分析

4.5 本章小结

第五章 总结与展望

5.1 工作总结

5.2 研究展望

参考文献

致谢

作者简介