一种深空借力轨道精确并行优化设计方法

摘要

本发明公开了一种深空借力轨道精确并行优化设计方法，包含以下步骤：步骤S1、并行计算各借力天体的P‑r

说明书

技术领域

本发明涉及深空探测器轨道设计方法，具体涉及一种深空借力轨道精确并行优化设计方法。

背景技术

深空探测器近距离飞越引力天体时(比如太阳系各大行星以及其大质量卫星)，可以在不消耗燃料的情况下改变自身的日心速度，即改变探测器的日心轨道参数，这就是借力飞行技术。借力飞行技术的原理如下：探测器在进入借力天体的影响球和飞出借力天体的影响球时，仅改变其相对借力天体的速度的方向，而相对速度的大小不变；但由于相对速度方向的变化，使得与借力天体日心速度的合速度即探测器的日心速度发生变化，从而导致探测器在借力后离开借力天体影响球时，其日心轨道参数发生变化。借力飞行技术大大降低了深空探测器的发射能量需求以及在轨燃料消耗，以时间为代价换取更多的深空探测目标与深空探测机会。借力飞行技术目前已成功应用于美国、欧洲、日本的多个小行星、巨行星及外太阳系深空探测器。

发明内容

本发明的目的是提供一种深空借力轨道精确并行优化设计方法，该方法一方面可以提高借力序列搜索的速度，同时也可以提高参数优化的速度，大大减少了获取初步解的时间，并确保了最终解的精度，可以快速精确地设计出深空探测器的低能量借力轨道。

为达到上述目的，本发明提供了一种深空借力轨道精确并行优化设计方法，包含以下步骤：

步骤S1、并行计算各借力天体的P-r_p数据，绘制P-r_p图，进行能量图匹配获取满足发射能量及任务周期的多个备选借力序列；

步骤S2、针对步骤S1所获取的备选借力序列及各自的窗口，划分子优化段，分配到计算节点，进行参数优化，获取局部初步解；

步骤S3、使用SQP算法对步骤S2所得到的初步解进行再优化，得到满足约束的精确借力轨道。

上述的深空借力轨道精确并行优化设计方法，其中，所述的步骤S1具体包含以下步骤：

步骤S11、针对具体的探测目标，将其轨道半径内的各行星分配到不同的节点，并行计算不同V_∞的轨道近日点高度r_p以及轨道周期P；

步骤S12、将各行星并行计算的结果汇总，以P为纵轴，r_p为横轴，做出V_∞高线图；

步骤S13、从步骤S12所得到的V_∞高线图中按出发V_∞与V_∞等高线的连接关系，确定多个较优的备选借力序列。

上述的深空借力轨道精确并行优化设计方法，其中，所述的步骤S2具体包含以下步骤：

步骤S21、按照步骤S1所得到的备选借力序列的复杂程度，结合计算能力，将全局搜索空间，划分为与计算节点匹配的独立子搜索空间；

步骤S22、将步骤S21所得到的独立子搜索空间分配到各个计算节点，采用智能优化算法，以全程燃料消耗最小为约束进行同步开展优化，获取多个局部初步解。

上述的深空借力轨道精确并行优化设计方法，其中，所述的智能优化算法为遗传算法、蚁群算法和粒子群算法中的一种。

本发明具有以下有益效果：本发明以时间及序列复杂度为依据将复杂的全局优化问题划分为相对独立的子优化段，一方面提高了借力序列搜索的速度，同时也提高了参数优化的速度，大大减少了获取初步解的时间；另一方面，由于SQP优化算法的引入确保了最终解的精度，可以快速精确地设计出深空探测器的低能量借力轨道。

附图说明

图1为本发明深空借力轨道精确并行优化设计方法的流程图；

图2为本发明一实施例的P-r_p图。

具体实施方式

以下结合附图通过具体实施例对本发明作进一步的描述，这些实施例仅用于说明本发明，并不是对本发明保护范围的限制。

如图1所示，本发明提供了一种深空借力轨道精确并行优化设计方法，包含以下步骤：

步骤S1、并行计算各借力天体的P-r_p数据，绘制P-r_p图，进行能量图匹配获取满足发射能量及任务周期的多个备选借力序列；

为了能并行计算并将结果在一个图中展示以便选取借力序列，需要先作以下三个假设：1、所有借力天体的轨道在同一平面内；2、所有借力天体均为圆轨道；3、探测器与这些借力天体在同一平面内。

本步骤的目标是初步选出满足条件的备选借力序列，在后面的步骤中会进行精确设计，因此这些假设及后面的并行解算将大大提高计算速度且并不影响最终输出解的精度。其具体包含以下步骤：

步骤S11、针对具体的探测目标，将其轨道半径内的各行星分配到不同的节点，以1km/s为间隔，并行计算不同V_∞的轨道近日点高度r_p以及轨道周期P。

步骤S12、将各行星并行计算的结果汇总，以P为纵轴，r_p为横轴，做出V_∞高线图。

步骤S13、从步骤S12所得到的V_∞高线图中按出发V_∞与V_∞等高线的连接关系，确定一个或多个较优的借力序列。

步骤S2、针对步骤S1所获取的备选借力序列及各自的窗口，划分子优化段，分配到计算节点，进行参数优化，获取局部初步解；其具体包含以下步骤：

步骤S21、按照借力序列的复杂程度(比如段数，时间跨度)，结合计算能力，将全局搜索空间，划分为与计算节点匹配的独立子搜索空间；

步骤S22、将步骤S21所得到的独立子搜索空间分配到各个计算节点，采用智能优化算法，以全程燃料消耗最小为约束进行同步开展优化，获取多个局部初步解。

步骤S2中所述的智能优化算法可以采用遗传算法、蚁群算法、粒子群算法等多种算法。

这一步骤的关键在于平衡各节点的计算量，因此在划分独立子搜索空间时，不仅仅要考虑时间窗口，还必须考虑借力序列的复杂度。可以采用以下公式估计第i个计算节点的计算当量C_i的估计公式：

C_i＝(2·n_i-1)·n_iT>

式中n_i为这个计算节点上的借力序列天体数，n_iT为这个计算节点上的计算窗段数。

步骤S3、使用SQP算法对步骤S2所得到的初步解进行再优化，得到满足约束的精确借力轨道。

使用SQP算法对以初步解为初值，对借力序列进行顺序优化，以各借力段的借力条件为约束，得到满足这些约束的精确借力轨道。

在本发明的一实施例中，对一个拥有10个节点的计算机集群，开展木星探测器借力轨道优化设计。

步骤S1：采用3个节点，并行计算金星、地球、火星这三个借力天体的P-r_p数据，并绘制综合P-r_p图，如图2所示。

以3km/s进行能量图匹配，从图2中可以看出探测器合理的轨迹为A-B-C-D。即满足发射能量及任务周期的借力序列为VEE金地地。

步骤S2：针对VEE金地地借力序列，以1天为间隔，按年划分窗口，从2016年～2026年划分了10个子优化段，分配到10个计算节点。每个节点采用遗传算法，以总任务期间燃料最小为约束，进行参数优化，获取10个局部初步解。

步骤S3：采用10个计算节点，分别使用SQP算法以初步解为初值，对借力序列进行顺序优化，以各借力段的借力条件(位置、速度、高度、转角)为约束，得到满足这些约束的精确借力轨道。

综上所述，本发明一方面提高了借力序列搜索的速度，同时也提高了参数优化的速度，大大减少了获取初步解的时间，并确保了最终解的精度，可以快速精确地设计出深空探测器的低能量借力轨道。

尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。