考虑J2摄动的大规模空间目标交会对象及次序搜索方法技术

本发明专利技术涉及航天器轨道动力学技术领域，公开了一种考虑J2摄动的大规模空间目标交会对象及次序搜索的方法，建立了给定总燃料、给定交会总时间、给定交会后最小停留时间等约束下求解交会对象数量、交会时间、交会对象的三层相互嵌套的优化流程。其中最外层优化流程用于确定交会对象数量，中间层优化流程用于确定交会时间，最内层优化流程用于确定交会对象。该方法考虑了J2摄动对空间目标及服务飞行器轨道的影响，且能够在大规模候选空间目标中，确定出要交会的具体对象及交会各对象的起止时刻，并且所确定的交会对象的数量是在给定的约束下最大的数量，因此能够最大程度发挥服务飞行器的能力，取得最优的任务执行效果，具有显著的工程应用价值。

【技术实现步骤摘要】

本专利技术涉及航天器轨道动力学
，尤其涉及一种考虑J2摄动的大规模空间目标交会对象及次序搜索的方法。
技术介绍
随着航天技术的快速发展，空间飞行器的发射频次越来越大，卫星、飞船、空间站等等日益布满近地空间。由于发射过程带来的火箭残骸、空间飞行器寿终正寝遗留在太空的垃圾、空间飞行器由于碰撞产生的碎屑，近地空间还漂浮着数以千万计的失控对象，它们统称为空间碎片[1]。为洁净近地空间，确保人类航天活动的可持续发展，近年来各国航天领域的科研人员均投入大量精力研发空间碎片交会和清除技术[2]。由于空间碎片的数量庞大，受制于燃料和在轨飞行时间的约束，一次任务中服务飞行器不可能交会所有碎片。这就要求服务飞行器能够在大规模候选空间目标中选择适量的对象进行交会和清除。在一次具体任务中，服务飞行器必须确定要交会的对象的数量及名称、交会的先后次序以及每次交会过程的起止时间。近年来，在多小行星访问[3-4]、空间在轨服务[5-6]等问题中，研究人员已提出了几种初步的空间目标交会次序优化策略。文献[3]研究的是空间飞行器从地球出发对2个小行星采样并返回地球的问题。在这个问题中，飞行器需要依次对3个确定的目标对象(2个小行星和地球)进行交会。为得到最省燃料的解，文献[3]以交会各对象的起止时间为变量，以各段交会过程中的燃料消耗总和为优化指标，采用遗传算法求解得到可能的优化解。文献[4]研究的是飞行器从地球出发对1个目标小行星实现交会并对沿途2个小行星实现飞越的问题，其中目标小行星是确定的，而沿途的2个飞越小行星需要从众多可能的小行星中筛选。为得到符合约束条件的飞越小行星及对应的飞越时间，文献[4]将从地球到目标小行星的转移轨迹附近的小行星全部列出并计算对应的访问代价，然后两两比较选取代价最小的两个。文献[5]研究了服务飞行器对圆轨道上多个目标飞行器的燃料补充优化问题。在这个问题中，目标飞行器的个数和位置都是确定的，需要优化求解的是服务飞行器交会各目标飞行器的次序和时刻。为使总的燃料消耗最少，文献[5]将优化问题分为上下两层来求解：其中上层用于交会次序的优化，采用启发式算法求解；下层用于给定次序下各对象交会时间的优化，采用整数规划求解。文献[6]研究的是考虑J2摄动的近地轨道多星交会问题，在这个问题中，服务飞行器将要依次交会多个目标飞行器。其中，要交会的各目标飞行器是确定的，需要求解的是交会次序、交会时间和服务时间。文献[6]采用了混合离散连续编码的遗传算法直接对上述几个未知量进行求解。上述几种确定空间目标交会次序的方法，对于各自所论述的特定问题是有效的，但在以下两个方面存在缺陷。第一个缺陷是，以上方法适用的都是目标对象数量较少的情形，其中文献[3-5]仅有2～3个对象，而文献[6]也仅有8个对象。由于目标对象数量少，以上方法在求解多目标交会问题时将交会时间、交会次序和控制量同时作为优化变量进行优化。但目标对象数量较多时，上述方法的优化变量数量过大，会导致优化失败或较早陷入局部优化解。第二个缺陷是，以上所有方法适用的都是确定性问题，即要交会的目标对象的数量和位置都是事先已知的。然而，对于像空间碎片捕获与清除这样的问题来说，候选的目标对象的数量将达到成千上万的量级。在一次具体的任务中，服务飞行器需要根据自身燃料的配置情况，从数以千计的可能目标中合理选取候选对象进行交会，因此要交会的对象的数量和位置事先并不确定。[1]TheNASAOrbitalDebrisProgramOffice,Orbitaldebrisquarterlynews[DB],Washington:NASA,Vol.15,No.21,2011.[2]Anselmo,L.,Pardini,C.,Spacedebrismitigationingeosynchronousorbit,AdvancesinSpaceResearch,Vol.41,pp.1091-1099,2008.[3]MorimotoM.,YamakawaH.,Trajectorydesignofmultipleasteroidsamplereturnmissions,AdvancesinSpaceResearch,Vol.34,pp.2281-2285,2004.[4]崔平远,乔栋,崔祜涛,小行星探测目标选择与转移轨道方案设计,中国科学:技术科学,Vol.40,pp.677-685,2010.[5]ShenH.,OptimalSchedulingforSatelliteRefuelinginCircularOrbits,Ph.D.Thesis,GeorgiaInstituteofTechnology,2003.[6]张进,罗亚中,唐国金,近地轨道长时间多星交会任务混合规划,中国科学:技术科学,Vol.42,No.3,pp.342-351,2012.
技术实现思路
本专利技术旨在提供一种考虑J2摄动的大规模空间目标交会对象及次序搜索的方法，由三层相互嵌套的优化流程共同构成如图1所述，其中，最外层优化流程用于确定交会对象的数量；中间层优化流程用于确定交会各对象的起止时间；最内层优化流程用于确定具体的交会对象及其次序。很好的解决了上述问题，能够在给定总燃料、给定交会总时间、给定交会后最小停留时间的约束下，快速确定要交会对象的数量、交会各对象的起止时间以及具体的交会对象。本专利技术的技术方案是一种考虑J2摄动的大规模空间目标交会对象及次序搜索的方法，包括步骤：S1，输入以下各参数：(1)候选空间目标的序号集合S＝[1,2，…，N]以及各空间目标在初始时刻的密切轨道根数集合X＝[x1,0,x2,0，…，xN,0]，(2)飞行器初始质量m0及初始时刻的密切轨道根数x0,0，(3)交会总时间Tt，(4)总燃料Δmt，(5)交会后最小停留时间Δtmin；S2，初始化准备：令交会对象数量n＝0，令交会对象序列Sn＝0，令交会时间序列Tn＝0；S3，更新交会对象数量：n＝n+1，其中，对交会对象数量n的不断更新是本专利技术所谓的最外层优化流程；S4，优化交会时间序列：以n个交会时间间隔δtj为优化变量，以燃料消耗的估计值Δmn为优化指标，采用优化算法，例如遗传算法、模式搜索法等优化求解，并输出n、Sn、Tn，其中优化模型如公式(1)所示：其中，所述S4中对交会时间的优化是本专利技术的中间层优化流程，S5，若n≤N且Δmn≤Δmt，回到S3，继续；否则进入S6；S6，输出n-1、Sn-1、Tn-1作为最终的结果。进一步的，所述S4中δmj(j＝1,2,…,n)、Sn和Tn的生成方法如下：S4.1，输入以下参数：(1)候选空间目标序号集合S＝[1,2,…,N]及其初始时刻的密切轨道根数X＝[x1,0,x2,0,…,xN,0]，(2)飞行器初始质量m0及初始时刻的密切轨道根数x0,0，(3)交会对象的个数n以及时间间隔δtj；S4.2，初始化准备：j＝0,T0,2＝0，Sn(1)＝0，Jn＝0；S4.3，更新已选好对象的个数：j＝j+1，其中，对象个数j的不断更新是本专利技术的最内层优化流程；S4.4，更新第j次交会过程的时间和状态；具体的，S4.4分为如下几步：S4.4.1，计算交会起止时间：Tj,1＝Tj-1,2，Tj,2＝Tj,1本文档来自技高网...

【技术保护点】
一种考虑J2摄动的大规模空间目标交会对象及次序搜索的方法，其特征在于，包括步骤：S1，输入以下各参数：(1)候选空间目标的序号集合S＝[1,2，…，N]以及各空间目标在初始时刻的密切轨道根数集合X＝[x1,0,x2,0，…，xN,0]，(2)飞行器初始质量m0及初始时刻的密切轨道根数x0,0，(3)交会总时间Tt，(4)总燃料Δmt，(5)交会后最小停留时间Δtmin；S2，初始化准备：令交会对象数量n＝0，令交会对象序列Sn＝0，令交会时间序列Tn＝0；S3，更新交会对象数量：n＝n+1，其中，对交会对象数量n的不断更新是本专利技术所谓的最外层优化流程；S4，优化交会时间序列：以n个交会时间间隔δtj为优化变量，以燃料消耗的估计值Δmn为优化指标，采用优化算法优化求解，并输出n、Sn、Tn，其中优化模型如公式(1)所示：min Jn=Δmns.t.Δmn=Σj=1nδmj,Δtn=Σj=1nδtjΔtmin≤δtj≤Tt,Δtn≤Tt---(1);]]>S5，若n≤N且Δmn≤Δmt，回到S3，继续；否则进入S6；S6，输出n‑1、Sn‑1、Tn‑1作为最终的结果。...

【技术特征摘要】
1.一种考虑J2摄动的大规模空间目标交会对象及次序搜索的方法，其特征在于，包括步骤：S1，输入以下各参数：(1)候选空间目标的序号集合S＝[1,2，…，N]以及各空间目标在初始时刻的密切轨道根数集合X＝[x1,0,x2,0，…，xN,0]，(2)飞行器初始质量m0及初始时刻的密切轨道根数x0,0，(3)交会总时间Tt，(4)总燃料Δmt，(5)交会后最小停留时间Δtmin；S2，初始化准备：令交会对象数量n＝0，令交会对象序列Sn＝0，令交会时间序列Tn＝0；S3，更新交会对象数量：n＝n+1，其中，对交会对象数量n的不断更新是本发明所谓的最外层优化流程；S4，优化交会时间序列：以n个交会时间间隔δtj为优化变量，以燃料消耗的估计值Δmn为优化指标，采用优化算法优化求解，并输出n、Sn、Tn，其中优化模型如公式(1)所示：minJn=Δmns.t.Δmn=Σj=1nδmj,Δtn=Σj=1nδtjΔtmin≤δtj≤Tt,Δtn≤Tt---(1);]]>S5，若n≤N且Δmn≤Δmt，回到S3，继续；否则进入S6；S6，输出n-1、Sn-1、Tn-1作为最终的结果。2.根据权利要求1所述的考虑J2摄动的大规模空间目标交会对象及次序搜索的方法，其特征在于，所述S4中δmj(j＝1,2,…,n)、Sn和Tn的生成方法如下：S4.1，输入以下参数：(1)候选空间目标序号集合S＝[1,2,…,N]及其初始时刻的密切轨道根数X＝[x1,0,x2,0,…,xN,0]，(2)飞行器初始质量m0及初始时刻的密切轨道根数x0,0，(3)交会对象的个数n以及时间间隔δtj；S4.2，初始化准备：j＝0,T0,2＝0，Sn(1)＝0，Jn＝0；S4.3，更新已选好对象的个数：j＝j+1，其中，对象个数j的不断更新是本发明的最内层优化流程；S4.4，更新第j次交会过程的时间和状态；具体的，S4.4分为如下几步：S4.4.1，计算交会起止时间：Tj,1＝Tj-1,2，Tj,2＝Tj,1+δtj，并更新交会时间序列，即令Tn(j,1)＝Tj,1,Tn(j,2)＝Tj,2；S4.4.2，将所有N个候选目标的初始密切轨道根数xk,0(k∈S)转化为平轨道根数S4.4.3，采用J2摄动下的平轨道根数随时间变化的微分方程，由计算得到Tj,1时刻的平轨道根数S4.4.4，将平轨道根数转化为密切轨道根数xk,j(k∈S)；S4.5，选取第j个最优的交会对象：S4.5.1，若j＝1，则p＝0，且令x0,1＝x0,0，否则p＝Sn(j-1)；S4.5.2，计算每个与xp,j之间的差；S4.5.3，采用优化算法，对每一对及xp,j计算时间段[0,δtj]内最小的平近点角差ΔMpk,min；S4.5.4，采用公式(2)计算从p转移到每一个候选交会对象k的速度增量需求Δvpk；Δvpk＝|Δvn|+|Δvrp|+|Δvra|+|Δvtp|+|Δvta|(2)其中：Δvn=(h/r*)Δi2+ΔΩ2sini2,Δvrp=-na4((1+e)21-e2(Δω+cosiΔΩ)+ΔMmin),]]>Δvra=-na4((1-e)21-e2(Δω+cosiΔΩ)+ΔMmin),Δvtp=na1-e24(Δaa+Δe1+e),]]>f*＝arctan(ΔΩsini/Δi)-ω,r*＝p...

【专利技术属性】
技术研发人员：党朝辉，宋旭民，李智，林琪，刘海涛，柴华，
申请(专利权)人：中国人民解放军装备学院，
类型：发明
国别省市：北京;11