复杂环境下的航天器姿态机动能量优化方法技术

本发明专利技术公开的复杂环境下的航天器姿态机动能量优化方法，属于航天器姿态规划和能量优化领域。本发明专利技术实现方法：根据控制参数的上下限，生成航天器姿态机动路径初始化种群个体，选择种群中总体适应度函数值最小的个体为最优个体，设计组合变异方法引导当前种群个体变异，生成新的变异个体，进行交叉变换，生成新的交叉个体，将交叉个体和当前种群个体进行比较，选择总体适应度函数值最小的个体成为下一代种群成员，组合所有成员得到下一代的总体种群，将其中最优个体的总体适应度函数值与设定的收敛适应度值进行比较，判断是否找到种群最优解。若没有找到，进行下一代种群进化，若找种群最优解，输出当前最优个体，得到航天器能量最优姿态机动路径。

【技术实现步骤摘要】
复杂环境下的航天器姿态机动能量优化方法
本专利技术涉及复杂环境下的航天器姿态机动能量优化方法，适用于航天器姿态机动能量优化，属于航天器姿态规划和能量优化领域。
技术介绍
航天器在轨运行过程中，完成对地观测或空间探测等任务航天器需要多次姿态机动，航天器频繁的姿态机动会造成大量的能量消耗。而航天器能量资源有限，航天器需要对姿态机动进行能量优化，减少航天器姿态机动过程中的能量消耗。进行航天器姿态机动能量优化，可以节约航天器的燃料，增加航天器的在轨运行时间。而现有的航天器姿态机动能量优化方法，大多是基于角速度约束环境下的能量优化，而实际航天器的运行环境比较复杂。在复杂环境下，航天器会受到指向约束，无法机动到约束姿态区域中。比如航天器上携带的光学敏感器件，不能指向强光天体，以免光学敏感器件损坏。所以在进行航天姿态机动能量优化时，需要考虑航天器运行的复杂环境，避免航天器姿态机动中的指向约束。常用的航天器姿态机动优化方法有伪谱法和遗传算法等。差分进化算法是一种基于群体的启发式搜索算法，可以用于全局优化姿态机动路径。在姿态机动任务中，既要避免航本文档来自技高网...

【技术保护点】
1.复杂环境下的航天器姿态机动能量优化方法，其特征在于：包括如下步骤，/n步骤一：根据航天器控制参数的上下限，随机生成航天器姿态机动路径初始化种群个体；/n步骤二：基于航天器姿态机动路径当前种群，计算所有个体的总体适应度函数值，选择总体适应度函数值最小的种群个体为当前航天器姿态机动路径最优个体；通过考虑航天器运行的复杂环境，设计指向约束适应度函数避免航天器姿态机动中的指向约束，提高航天器姿态机动的安全性和准确性；通过考虑复杂环境下的航天器姿态机动能量优化，设计机动能量适应度函数来减少能量消耗，减少航天器的燃料消耗，提高航天器的能量利用率和工作效率；/n步骤三：基于步骤二确定的航天器姿态机动路径...

【技术特征摘要】
1.复杂环境下的航天器姿态机动能量优化方法，其特征在于：包括如下步骤，
步骤一：根据航天器控制参数的上下限，随机生成航天器姿态机动路径初始化种群个体；
步骤二：基于航天器姿态机动路径当前种群，计算所有个体的总体适应度函数值，选择总体适应度函数值最小的种群个体为当前航天器姿态机动路径最优个体；通过考虑航天器运行的复杂环境，设计指向约束适应度函数避免航天器姿态机动中的指向约束，提高航天器姿态机动的安全性和准确性；通过考虑复杂环境下的航天器姿态机动能量优化，设计机动能量适应度函数来减少能量消耗，减少航天器的燃料消耗，提高航天器的能量利用率和工作效率；
步骤三：基于步骤二确定的航天器姿态机动路径当前最优个体，随机加入当前种群个体的变异过程中，设计组合变异方法，用当前最优个体引导当前种群个体变异，生成新的变异个体，加快航天器姿态机动能量优化算法收敛速度，提高航天器姿态机动能量优化的实时性和准确性；
步骤四：基于步骤三得到的变异个体，对当前种群个体进行交叉变换，生成当前种群的交叉个体；
步骤五：将步骤四得到的当前种群的交叉个体和当前种群个体进行比较，通过步骤二的方法计算这两个个体的总体适应度函数值，选择总体适应度函数值最小的个体成为下一代航天器姿态机动路径种群中的成员；
步骤六：基于步骤五得到的下一代航天器姿态机动路径种群成员，得到下一代的航天器姿态机动路径总体种群，通过步骤二的方法计算种群中所有个体的总体适应度函数值，将其中航天器姿态机动路径当前最优个体的总体适应度函数值与设定的收敛适应度值进行比较，判断是否找到航天器姿态机动路径最优解；若没有找到航天器姿态机动路径最优解，则转到步骤三，进行下一代航天器姿态机动路径种群进化，若找到航天器姿态机动路径最优解，则输出当前航天器姿态机动路径最优个体，得到航天器能量最优姿态机动路径；通过与设定的收敛适应度值进行比较，得到经过能量优化后的复杂环境下航天器姿态机动路径，具有效率高，速度高，安全性高和能量利用高的优点。


2.如权利要求1所述的复杂环境下的航天器姿态机动能量优化方法，其特征在于：步骤一实现方法为，
根据航天器角速度参数上限ωmax，时间节点上限tmax、角速度参数下限ωmin和时间节点下限tmin，随机生成姿态机动路径初始化种群个体Di,G：



其中，rand(0,1)表示0到1之间的均匀随机数，i表示个体在种群中的序号，G表示进化代数，初始种群G为1；每个种群个体由n个路径节点组成，当前进化代数的所有种群个体组成当前种群DG。


3.如权利要求2所述的复杂环境下的航天器姿态机动能量优化方法，其特征在于：步骤二实现方法为，
基于航天器姿态机动路径当前种群DG，计算所有个体的总体适应度函数值fi,G，选择总体适应度函数值最小的种群个体Di,G为当前航天器姿态机动路径最优个体Dbest,G；
总体适应度函数主要由航天器姿态机动能量和指向约束两部分组成；
通过考虑复杂环境下的航天器姿态机动能量优化，设计机动能量适应度函数为fe，进而减少能量消耗，减少航天器的燃料消耗，提高航天器的能量利用率和工作效率；
fe＝u2Δt(2)
其中，u为航天器的控制力矩，Δt为当前路径节点的机动时间；
通过考虑航天器运行的复杂环境，设计指向约束适应度函数为fz，进而避免航天器姿态机动中的指向约束，提高航天器姿态...

【专利技术属性】
技术研发人员：徐瑞，王卓，崔平远，朱圣英，梁子璇，李朝玉，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11