一种高马赫数飞行器跳跃飞行段轨迹优化方法技术

本发明专利技术公开了一种高马赫数飞行器跳跃飞行段轨迹优化方法，涉及飞行器轨迹优化领域，包括S1建立动力学方程和运动学方程，得到质心运动方程组简化模型；S2确定约束条件和待优化目标函数，轨迹优化问题描述为标准动态最优控制问题；S3利用AGA算法对控制量进行全局寻优，得到全局最优解的准最优解，以此解决GPM

【技术实现步骤摘要】
一种高马赫数飞行器跳跃飞行段轨迹优化方法


[0001]本专利技术涉及飞行器轨迹优化领域，尤其涉及一种高马赫数飞行器跳跃飞行段轨迹优化方法。

技术介绍

[0002]高马赫数飞行器具备高空侦察、高速突防、远程精确打击等重大战略价值，已成为航空航天领域研究的热点。“跳跃飞行段”是高马赫数飞行器重返大气层后减速下降直至到达预定目标的一段弹道。为实现高马赫数飞行器精确打击目标完成飞行任务，跳跃飞行段轨迹优化是重中之重，其是以飞行器动力学模型为基础，通过求解控制变量和运动状态最优时间序列来规划一条满足各类约束条件且性能指标最优的轨迹。
[0003]跳跃飞行段轨迹优化问题求解存在以下困难：其一，飞行器运动模型非线性、强耦合，模型建立和轨迹优化存在一定的难度；其二，飞行环境复杂多变，飞行轨迹受到模型不确定性以及扰动因素等诸多干扰，对轨迹优化算法的鲁棒性提出一定的要求；其三，跳跃飞行过程中不仅要考虑动压、过载、热流率等约束限制，还需要对因自然环境、政治军事等因素形成的多禁飞区进行规避，再加上终端状态的严格限制，对轨迹优化问题的研究提出了一定的挑战。
[0004]按照是否直接对性能指标进行寻优，可将轨迹优化方法分为间接法和直接法。间接法的本质是基于经典变分法或庞特里亚金(Pontryagin)极小值原理，将原动态最优控制问题转化为哈密顿两点边值问题(Hamiltonian Boundary Value Problem，HBVP)进行求解，但对于动态特性复杂的高马赫数飞行器，其边值问题求解收敛域很小，协态变量的初值估计较为困难。与间接法不同，直接法是将原动态最优控制问题中的变量离散并参数化，将动态最优控制问题转化为非线性规划问题(Nonlinear Programming，NLP)，并进一步结合数值优化方法进行求解，无需推导一阶必要条件，应用比较广泛。

技术实现思路

[0005]本专利技术的目的就在于为了解决上述问题设计了一种高马赫数飞行器跳跃飞行段轨迹优化方法。
[0006]本专利技术通过以下技术方案来实现上述目的：
[0007]一种高马赫数飞行器跳跃飞行段轨迹优化方法，包括：
[0008]S1、忽略地球自转以及曲率影响，将地球假设为平面，分别在弹道坐标系和地面坐标系建立动力学方程和运动学方程，得到3自由度高马赫数飞行器质心运动方程组简化模型；
[0009]S2、确定跳跃飞行段飞行过程中所受的约束条件以及待优化的目标函数，将轨迹优化问题描述为标准的动态最优控制问题；
[0010]S3、基于转化后的标准动态最优控制问题，首先利用AGA算法全局搜索能力强的优势对控制量进行全局寻优，得到接近全局最优解的准最优解；
[0011]S4、将准最优解作为GPM
‑
SQP算法的初值，然后利用GPM
‑
SQP算法在猜想时间段内对控制量进行寻优，得到全局最优解或者接近全局最优解的最终解。
[0012]本专利技术的有益效果在于：本方法综合利用自适应遗传算法(AGA)强大全局搜索能力以及GPM
‑
SQP算法收敛速度快的优势，较易得到满足约束条件，航程最远的理想轨迹。其次，轨迹优化过程是离线完成的，本专利技术提出的GPM
‑
AGA
‑
SQP混合算法虽然是以高马赫数飞行器为研究背景，针对存在复杂多约束条件下GPM
‑
SQP算法解决高马赫数飞行器跳跃飞行段轨迹优化问题时对初始猜想值敏感的不足提出的，但该算法也解决了AGA算法在接近全局最优解时收敛速度慢、局部寻优能力弱的难题，同时结合了AGA算法鲁棒性强的优势，使得构建的GPM
‑
AGA
‑
SQP混合算法在存在模型不确定性及扰动干扰的情况下仍能完后轨迹优化任务。最后，GPM
‑
AGA
‑
SQP混合算法本质上是一种优化方法，不仅适用于高马赫数飞行器跳跃飞行段轨迹优化，也适用于一般的飞行轨迹优化问题。
附图说明
[0013]图1是阻力系数；
[0014]图2是升力系数；
[0015]图3是升阻比；
[0016]图4是本专利技术遗传算法的流程示意图；
[0017]图5是本专利技术AGA算法获得全局最优解的“准最优解”算法流程图；
[0018]图6是本专利技术“准最优解”作为GPM
‑
SQP算法初始解，快速寻找全局最优解流程图；
[0019]图7是本专利技术一种高马赫数飞行器跳跃飞行段轨迹优化方法进行仿真时自适应遗传算法最佳适应度；
[0020]图8是仿真时自适应遗传算法完成优化控制量后，攻角角随时间变化曲线；
[0021]图9是仿真时自适应遗传算法完成优化控制量后，速度倾斜角随时间变化曲线；
[0022]图10以最远纵向航程为目标的轨迹优化问题中，进行仿真的速度变化曲线；
[0023]图11以最远纵向航程为目标的轨迹优化问题中，进行仿真的弹道倾角变化曲线；
[0024]图12以最远纵向航程为目标的轨迹优化问题中，进行仿真的弹道偏角变化曲线；
[0025]图13以最远纵向航程为目标的轨迹优化问题中，进行仿真的纵程变化曲线；
[0026]图14以最远纵向航程为目标的轨迹优化问题中，进行仿真的高度变化曲线；
[0027]图15以最远纵向航程为目标的轨迹优化问题中，进行仿真的横程变化曲线；
[0028]图16以最远纵向航程为目标的轨迹优化问题中，进行仿真的攻角变化曲线；
[0029]图17以最远纵向航程为目标的轨迹优化问题中，进行仿真的攻角变化率曲线；
[0030]图18以最远纵向航程为目标的轨迹优化问题中，进行仿真的速度倾斜角变化曲线；
[0031]图19以最远纵向航程为目标的轨迹优化问题中，进行仿真的高度—纵程变化曲线；
[0032]图20以最远纵向航程为目标的轨迹优化问题中，进行仿真的热流率变化曲线；
[0033]图21以最远纵向航程为目标的轨迹优化问题中，进行仿真的动压变化曲线；
[0034]图22以最远纵向航程为目标的轨迹优化问题中，进行仿真的过载变化曲线；
[0035]图23以最远纵向航程为目标的轨迹优化问题中，进行仿真的规避禁飞区俯视图；
[0036]图24以最远纵向航程为目标的轨迹优化问题中，进行仿真的规避禁飞区三维立体图；
[0037]图25以最远横向航程为目标的轨迹优化问题中，进行仿真的速度变化曲线；
[0038]图26以最远横向航程为目标的轨迹优化问题中，进行仿真的弹道倾角变化曲线；
[0039]图27以最远横向航程为目标的轨迹优化问题中，进行仿真的弹道偏角变化曲线；
[0040]图28以最远横向航程为目标的轨迹优化问题中，进行仿真的纵程变化曲线；
[0041]图29以最远横向航程为目标的轨迹优化问题中，进行仿真的高度变化曲线；
[0042]图30以最本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高马赫数飞行器跳跃飞行段轨迹优化方法，其特征在于，包括：S1、忽略地球自转以及曲率影响，将地球假设为平面，分别在弹道坐标系和地面坐标系建立动力学方程和运动学方程，得到3自由度高马赫数飞行器质心运动方程组简化模型；S2、确定跳跃飞行段飞行过程中所受的约束条件以及待优化的目标函数，将轨迹优化问题描述为标准的动态最优控制问题；S3、基于转化后的标准动态最优控制问题，首先利用AGA算法全局搜索能力强的优势对控制量进行全局寻优，得到接近全局最优解的准最优解；S4、将准最优解作为GPM
‑
SQP算法的初值，然后利用GPM
‑
SQP算法在猜想时间段内对控制量进行寻优，得到全局最优解或者接近全局最优解的最终解。2.据权利要求1所述的一种高马赫数飞行器跳跃飞行段轨迹优化方法，其特征在于，质心运动方程组简化模型为：式中：V(t)为飞行器速度，θ(t)和ψ
v
(t)分别为弹道倾角和弹道偏角；y(t)为高度，x(t)和z(t)分别为纵程和横程；m(t)为飞行器质量，g为重力加速度，α(t)为攻角，γ
v
(t)为速度倾斜角；α
B
为平衡攻角，β
B
为平衡侧滑角；Y
B
和Z
B
分别为α
B
、β
B
所对应的平衡升力和平衡侧向力，X为阻力，计算表达式如下：式中：C
x
、C
y
为阻力系数和升力系数，q＝0.5*ρ*V2，其中ρ为高马赫数飞行器所处高度的空气密度，S为飞行器参考面积。3.据权利要求2所述的一种高马赫数飞行器跳跃飞行段轨迹优化方法，其特征在于，在S2中，约束条件包括自身控制量约束、跳跃飞行段飞行过程中受到的过程约束以及到达目的地的终端约束，目标函数选取最远航程，具体如下：控制量约束包括攻角α和速度倾斜角γ
v
，约束表示为：考虑工程实际应用，通常攻角变化率也需要进行一定的限制，即：此时可将攻角变化率看作是虚拟控制量，将原控制量攻角α看作是状态变量进行处
理；过程约束包括热流率约束、动压约束、过载约束和禁飞区约束，具体如下：热流率约束表示为：动压约束表示为：q＝0.5*ρ*V2≤q
dmax (6)过载约束表示为：设高马赫数飞行器在跳跃飞行过程中规避的禁飞区类型为圆柱形，中心点为(x
i
,y
i
,z
i
)，半径为r
i
，具体表达式如下：设L(x(t),t)为高马赫数飞行器到禁飞区的最短距离，ε
n
为无穷小正常量，则禁飞区约束可表示为L(x(t),t)≥ε
n
，式中K
Q
是与高马赫数飞行器相关的常值参数，为允许的最大热流率，q
dmax
为允许的最大动压，n
Lmax
为允许的最大过载；终端约束包括终端时刻的高度、速度和弹道倾角约束，表示为：式中，y
f
、V
f
、θ
f
分别为跳跃飞行终端时刻的高度、速度和弹道倾角；y
df
、V
df
、θ
df
分别为预定的跳跃飞行终端时刻的高度、速度和弹道倾角；ε
h
、ε
v
、ε
θ
分别为三个约束量的误差上界；目标函数表示为：minJ＝
‑
L
df
ꢀꢀꢀꢀꢀ
(10)高马赫数飞行器跳跃飞行段轨迹优化问题可描述为：在满足质心运动方程组式(1)、控制约束式(3)～(4)、过程约束式(5)～(8)、终端约束式(9)的条件下，寻找控制量攻角α和速度倾斜角γ
v
最优时间序列使得目标函数式(10)最小；更一般性的最优控制问题描述如下：寻找控制变量u(t)，使得Bolza型性能指标：Mayer型和Lagrange型的组合，最小且满足质心运动方程组约束边界条件约束φ(x(t0),t0,x(t
f
),t
f
)＝0
ꢀꢀꢀꢀ
(13)以及不等式约束C(x(t),u(t),t)≤0
ꢀꢀꢀꢀꢀꢀ
(14)其中，t0为起始时刻，t
f
为终端时刻。4.根据权利要求3所述的一种高马赫数飞行器跳跃飞行段的轨迹优化方法，其特征在
于，在S3中，利用自适应遗传算法AGA求得轨迹优化问题接近全局最优解的准最优解，以解决GPM
‑
SQP算法对初值敏感的缺陷，具体包括：S31、种群初始化编码：采用实数编码的方式将待求问题可行解表示成遗传算法空间中的染色体或个体；S32、本专利利用Joines方法构造综合适应度函数：即将终端时刻的性能指标和终端约束加权得到适应度函数，通过适应度函数计算种群中各个体的适应度值；适应度函数是对染色体进行评价的一种指标，也是体现AGA算法“优胜劣汰”的关键之处；Joines方法在静态罚函数的基础上进行了改进，将惩罚系数设置为动态自适应变化的，即随着迭代次数的增加，惩罚系数会自适应的调整，具体形式为：式中：R1＝(cd)
η
，f
i
(x)为违反第i个终端约束的惩罚函数项，具体形式如下：式中：p
i
为第i个终端约束惩罚项的权重系数，剩余的约束条件处理：1)控制约束：在约束条件范围内构造控制量数据集即可自动满足控制约束；2)过程约束：将不满足最大动压q
dmax
、最大过载n
Lmax
、最大热流率以及穿越禁飞区的适应度函数值设置为无穷大，即此时F＝inf；式中：c、η、均为常数，经数值仿真验证，取c＝0.5，是比较可行的方案；d为迭代次数，J为轨迹优化目标函数项，q为相应的权重系数，K为常数且保证适应度为正即可；跳跃飞行段终端状态受到严格约束且要求...

【专利技术属性】
技术研发人员：温杰，周欢，丛戎飞，丁智坚，张旭，
申请(专利权)人：中国空气动力研究与发展中心空天技术研究所，
类型：发明
国别省市：