一种基于并行架构的空间大规模目标飞越的序列规划方法技术

本发明专利技术公开的一种基于并行架构的最优飞越序列获取方法，属于轨道设计与优化领域。本发明专利技术实现方法如下：构建并行集束搜索算法，将兰伯特问题求解并行化；在任务时间窗口的起始时刻确定航天器此时的状态，进行并行集束搜索得到目标访问的子序列；然后将子序列保存至数据库中，提取数据库中每个子序列末端的状态及时刻，从此状态出发再次进行并行集束搜索；将上述过程反复迭代，生成子序列数据库；对子序列进行拼接，生成一条完整的目标访问飞越序列轨迹；通过调整目标间转移时间以及优化飞越速度进一步降低飞越序列的总速度增量。本发明专利技术能够显著提高飞越序列规划效率，有效保证大规模目标问题序列生成的最优性，获取高精度低能耗的航天器飞越序列。的航天器飞越序列。的航天器飞越序列。

【技术实现步骤摘要】
一种基于并行架构的空间大规模目标飞越的序列规划方法


[0001]本专利技术涉及一种基于并行架构的空间大规模目标飞越的序列规划方法，属于空间轨道设计与优化领域。

技术介绍

[0002]空间目标飞越序列规划是指对给定的一系列空间目标，从中挑选若干个或对全部目标进行飞越的顺序规划，在满足飞越条件的约束下优化整个飞越序列的总速度增量。该类任务的目标包括行星、小行星等自然天体，还包括探测器、空间碎片等人造天体，任务涉及小行星序列访问、空间碎片序列抓捕、对非合作目标实施动能拦截等。对于小规模目标数量的序列规划问题，现有技术可通过穷举法获取最优飞越序列；对于大规模目标序列规划问题，随着目标数量的增加，最优飞越序列的获取会愈加困难，计算复杂度会出现维度爆炸情况，贪心算法能有效降低计算负担，但容易使问题落入局部最优解；而集束搜索算法能提高获取问题结果的最优性，但会带来较大的计算负担；现有技术缺乏以较高的计算效率来获取较优飞越序列的算法。

技术实现思路

[0003]针对空间大规模目标飞越的序列规划问题，本专利技术主要目的是提供一种基于并行架构的最优飞越序列获取方法，通过构建并行集束搜索算法，使大规模兰伯特问题求解并行化，有效提高序列规划中大规模兰伯特问题的求解效率；给定飞越任务所需的飞越目标数量及飞越时间窗口，利用并行集束搜索算法快速建立飞越子序列数据库，并通过在集束搜索算法中设置集束宽度，使数据库中子序列在足够宽的集束宽度下进行拼接，能有效避免飞越子序列拼接过程中提前落入局部最优解，提高整个序列获取的最优性；通过双层优化策略调整并优化拼接后的完整序列各目标间的转移时间，降低总速度增量，进一步提高整个序列的最优性；通过非线性规划算法SQP优化上述调整时间后序列的每个目标的飞越速度，进一步降低整个飞越过程的总速度增量，提高整个序列的最优性。因此，本专利技术基于并行架构实现空间大规模目标飞越的序列规划，具有规划效率高、飞越序列规划最优性高的优点。
[0004]本专利技术目的是通过下述技术方案实现的。
[0005]本专利技术公开的一种基于并行架构的空间大规模目标飞越的序列规划方法，构造并行集束搜索算法，将兰伯特问题求解并行化，所述集束搜索算法能针对大规模兰伯特问题不同的输入量，同步计算得到各自相应的结果，并根据并行兰伯特问题的求解结果进行目标与目标间所需速度增量计算；给定飞越任务所需的飞越目标数量及飞越时间窗口，依托并行集束搜索算法，在任务时间窗口的起始时刻确定航天器此时的状态，在给定子序列长度后，进行并行集束搜索得到目标访问的子序列，然后将子序列保存至数据库中；然后，提取现有数据库中每个子序列末端的状态及时刻，从此状态出发再次进行并行集束搜索，生成相应的子序列；将上述过程反复迭代，生成完整的子序列数据库；从数据库中提取子序
列，利用集束搜索算法，对子序列进行拼接，生成一条完整的飞越序列轨迹S1；为了进一步降低S1的速度增量，调整S1中目标与目标之间的转移时间，得到速度增量更低的序列轨迹S2；为进一步降低S2的总速度增量，建立非线性规划问题，以总速度增量作为优化目标，序列中每个目标的飞越速度作为待优化变量，以飞越时刻的相对速度限制作为约束条件，利用SQP优化上述非线性规划问题，得到速度增量更小的序列轨迹S3；所提出的方法具有快速求解的优点，并能有效保证大规模目标问题序列生成的最优性。
[0006]本专利技术公开的一种基于并行架构的空间大规模目标飞越的序列规划方法，包括如下步骤：
[0007]步骤一：针对空间大规模目标飞越序列规划存在的优化效率低、规划结果最优性难保证的难题，基于并行架构将兰伯特问题求解并行化，针对不同的输入量，同步计算得到各自相应的结果；得到兰伯特问题计算结果后，并行计算出不同输入量对应的速度增量，构建以速度增量为指标的并行集束搜索算法，该算法支持以更小的搜索步长来提高子序列获取的最优性，并提高空间大规模目标兰伯特问题的求解效率。
[0008]基于图形处理器GPU强大的并行计算能力，首先将兰伯特问题的求解建立并行架构的核函数中，即将兰伯特问题建立在GPU的每一个线程上进行求解；每个线程都能针对不同的输入，求解对应的兰伯特问题，输出相应的结果，计算过程同步进行。针对每个线程中的兰伯特问题，其输入量包括转移时间t
f
、初始位置R0、终端期望位置R
a
，输出量包括初始位置所对需的速度终端期望位置所需的速度对于从一个目标出发，到另一个目标的单步飞越问题，起始位置所对应的速度为V0；因此，在起始位置应施加的速度增量矢量为该速度增量大小为记终端目标的速度为V
a
，飞越任务最低的相对速度限制为Δv
l
，则到达的速度增量矢量Δv
f
由分段函数式(1)进行计算：
[0009][0010]到达速度增量大小为Δv
f
＝||Δv
f
||；因此，对于单步飞越问题，总的速度增量大小Δv为：
[0011]Δv＝Δv0+Δv
f
ꢀꢀꢀꢀ
(2)
[0012]基于上述建立的并行兰伯特问题，将其应用于子序列数据库生成的并行集束搜索算法，并行集束搜索算法通过求解不同输入条件下的并行兰伯特问题，得到转移轨迹的起始速度和末端速度，通过式(2)计算每个输入条件下的总速度增量，设置集束搜索宽度来筛选相应的子序列。
[0013]所述并行集束搜索算法需要根据待求解兰伯特问题的数量给并行求解框架分配相应的网格数G
s
和块数B
s
；当有N个待求解的兰伯特问题时，B
s
和G
s
的关系由以下式子获得：
[0014][0015]与贪心算法不同，所述的并行集束搜索算法能通过设置超参数B
w
来保留前B
w
个较优的结点，有效避免过早陷入局部最优解，同时也能减少搜索所占用的空间和时间，提高空
间大规模目标兰伯特问题的求解效率。
[0016]步骤二：给定飞越任务所需的飞越目标数量及飞越时间窗口，对目标间的转移时间离散化，从时间窗口的起始时刻开始，基于并行集束搜索算法生成子序列，通过提取子序列终端状态和时刻，利用算法继续生成子序列，反复迭代直至出发时刻大于飞越时间窗口的末端值，基于并行集束搜索算法能快速建立飞越子序列数据库，离线生成数据库，并能够指导多个飞越序列的生成。
[0017]所述子序列的要素包括目标编号、飞越时刻、飞越速度、从上一个目标到当前目标的速度增量大小。
[0018]针对包含N
t
个可选目标的序列规划问题，给定任务的起始时刻，得到对应的位置及速度，航天器从此时刻出发，待选的目标有N
t
个，待选定目标完成飞越后，下一个的待选目标将是N
t
‑
1个。因此，对于要求飞越N
flyby
个的飞越任务而言，当目标间的转移时间为固定值时，其备选的序列总数P为：
[0019][本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于并行架构的空间大规模目标飞越的序列规划方法，其特征在于：包括如下步骤，步骤一：针对空间大规模目标飞越序列规划存在的优化效率低、规划结果最优性难保证的难题，基于并行架构将兰伯特问题求解并行化，针对不同的输入量，同步计算得到各自相应的结果；得到兰伯特问题计算结果后，并行计算出不同输入量对应的速度增量，构建以速度增量为指标的并行集束搜索算法，该算法支持以更小的搜索步长来提高子序列获取的最优性，并提高空间大规模目标兰伯特问题的求解效率；步骤二：给定飞越任务所需的飞越目标数量及飞越时间窗口，对目标间的转移时间离散化，从时间窗口的起始时刻开始，基于并行集束搜索算法生成子序列，通过提取子序列终端状态和时刻，利用算法继续生成子序列，反复迭代直至出发时刻大于飞越时间窗口的末端值，基于并行集束搜索算法能快速建立飞越子序列数据库，离线生成数据库，并能够指导多个飞越序列的生成；步骤三：通过在集束搜索算法中通过设置集束宽度，使步骤二构建的数据库中子序列在足够宽的集束宽度下进行拼接，有效避免飞越序列拼接过程中提前落入局部最优解，提高整个序列获取的最优性，待拼接完成后，挑选得到序列总速度增量最小的序列S1；步骤四：通过构建双层优化策略，对步骤三得到的完整序列S1中每个目标与目标之间的转移时间进行调整及优化，以降低完整序列的总速度增量，进一步提高整个序列的最优性，得到总速度增量更低的飞越序列S2；步骤五：以每个目标的飞越速度作为待优化变量，序列的总速度增量作为优化目标，以飞越的相对速度条件作为约束条件，建立优化问题模型，通过非线性规划算法SQP，优化步骤四得到的序列S2中每个目标的飞越速度，进一步降低整个飞越过程的总速度增量，提高整个序列的最优性，得到速度增量更小的飞越序列S3。2.如权利要求1所述的一种基于并行架构的空间大规模目标飞越的序列规划方法，其特征在于：还包括步骤六，根据步骤五得到的优化后的速度增量更小的飞越序列S3，对航天器在对应时刻下施加相应速度增量，在给定的飞越窗口和飞越时刻的速度约束下，实现高精度低能耗的航天器飞越任务。3.如权利要求1或2所述的一种基于并行架构的空间大规模目标飞越的序列规划方法，其特征在于：步骤一实现方法为，基于图形处理器GPU强大的并行计算能力，首先将兰伯特问题的求解建立并行架构的核函数中，即将兰伯特问题建立在GPU的每一个线程上进行求解；每个线程都能针对不同的输入，求解对应的兰伯特问题，输出相应的结果，计算过程同步进行；针对每个线程中的兰伯特问题，其输入量包括转移时间t
f
、初始位置R0、终端期望位置R
a
，输出量包括初始位置所对需的速度终端期望位置所需的速度对于从一个目标出发，到另一个目标的单步飞越问题，起始位置所对应的速度为V0；因此，在起始位置应施加的速度增量矢量为该速度增量大小为记终端目标的速度为V
a
，飞越任务最低的相对速度限制为Δv
l
，则到达的速度增量矢量Δv
f
由分段函数式(1)进行计算：
到达速度增量大小为Δv
f
＝||Δv
f
||；因此，对于单步飞越问题，总的速度增量大小Δv为：Δv＝Δv0+Δv
f
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)基于上述建立的并行兰伯特问题，将其应用于子序列数据库生成的并行集束搜索算法，并行集束搜索算法通过求解不同输入条件下的并行兰伯特问题，得到转移轨迹的起始速度和末端速度，通过式(2)计算每个输入条件下的总速度增量，设置集束搜索宽度来筛选相应的子序列；所述并行集束搜索算法需要根据待求解兰伯特问题的数量给并行求解框架分配相应的网格数G
s
和块数B
s
；当有N个待求解的兰伯特问题时，B
s
和G
s
的关系由以下式子获得：与贪心算法不同，所述的并行集束搜索算法能通过设置超参数B
w
来保留前B
w
个较优的结点，有效避免过早陷入局部最优解，同时也能减少搜索所占用的空间和时间，提高空间大规模目标兰伯特问题的求解效率。4.如权利要求3所述的一种基于并行架构的空间大规模目标飞越的序列规划方法，其特征在于：步骤二实现方法为，所述子序列的要素包括目标编号、飞越时刻、飞越速度、从上一个目标到当前目标的速度增量大小；针对包含N
t
个可选目标的序列规划问题，给定任务的起始时刻，得到对应的位置及速度，航天器从此时刻出发，待选的目标有N
t
个，待选定目标完成飞越后，下一个的待选目标将是N
t
‑
1个；因此，对于要求飞越N
flyby
个的飞越任务而言，当目标间的转移时间为固定值时，其备选的序列总数P为：式中，指N
t
个可选目标中取出N
flyby
个元素进行排序；对于N
t
较小的小规模目标的飞越序列规划问题，能通过穷举方法得到最优的访问序列；但对于N
t
较大的问题，穷举方法的序列总数超出计算机可求解范围；并且，每个目标之间的转移时间也是待优化变量，无法事先获取；因此，当前步骤二将建立子序列数据库生成方法，能有效提高最优序列的生成效率；定义序列飞越的时间窗口为[T0,T
f
]，其中T0为飞越任务的起始时刻，T
f
为飞越任务的终端时刻，即航天器需要在T
f
‑
T0的时间内完成对N
flyby
个目标进行飞越；定义目标与目标之间的转移时间的最大值为的转移时间的最大值为应小于T
f
‑
T0，转移时间的最...

【专利技术属性】
技术研发人员：卢少兆，张尧，叶吉，李新刚，张昆鹏，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：