运载火箭上升段轨迹的AICSA-SQP混合优化方法研究

发布时间：2020-04-01 23:44

【摘要】：“空间快速响应”这一概念指明了运载火箭快速发射、机动、低成本进入空间的发展方向,对运载火箭的轨迹优化能力提出了更高的要求。同时,运载火箭飞行环境的复杂多变性、影响因素不确定性等问题,使运载火箭的轨迹优化设计十分困难。在此背景下,论文重点针对运载火箭上升段轨迹,提出了自适应免疫克隆选择--序列二次规划(Adaptive Immune Clonal Selection Algorithm-Sequential Quadratic Programming,AICSA-SQP)的混合优化方法,主要研究内容和创新点包括:(1)在发射惯性参考系下,建立了运载火箭上升段运动数学模型。由于运载火箭上升段运动方程中各变量之间的绝对数值相差很大,且这种差距是数值求解中非常不稳定的因素。因此,为了保证数值计算的稳定性,以及提高轨迹优化算法的求解效率,本文将有量纲的运动数学模型转化成了无量纲的运动学模型。(2)hp自适应伪谱法能够自适应地调节配点个数和分布,比一般伪谱法的求解速度更快、计算精度更高。本文选择Radau伪谱法作为hp自适应伪谱法的配点离散方案,并对Radau伪谱法的离散参数化过程以及hp-RPM自适应策略进行了详细介绍。(3)在基本免疫克隆选择算法(Immune Clonal Selection Algorithm,ICSA)的基础上,将抗体上可能发生变异的等位基因个数及其突变的概率分别与演化代数相结合,提出了自适应免疫克隆选择算法(Adaptive Immune Clonal Selection Algorithm,AICSA),对ICSA算法进行改进,改善了ICSA在演化初期的多样性和演化末期的局部搜索能力,提高了算法整体的收敛速度。(4)为了提高AICSA算法解的精度,同时减小SQP算法在求解运载火箭上升段轨迹优化问题时对初值的敏感性,本文将AICSA算法和SQP算法相结合,设计了AICSA-SQP分层串行混合优化算法。仿真实验结果表明,本文所提出的AICSA算法提高了传统ICSA算法的收敛速度,所设计的AICSA-SQP分层串行优化算法求解得到的优化轨迹精度较高,且算法对初值不敏感,能够有效地求解运载火箭上升段轨迹优化问题。
【图文】：

AICSA算法和ICSA算法的约束违反量收敛曲线

高度变化曲线
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：V448.1

【参考文献】

相关期刊论文 前10条

1 杨希祥;杨慧欣;王鹏;;伪谱法及其在飞行器轨迹优化设计领域的应用综述[J];国防科技大学学报;2015年04期

2 崔乃刚;黄盘兴;韦常柱;傅瑜;程超;;基于混合优化的运载器大气层内闭环制导方法[J];中国惯性技术学报;2015年03期

3 崔乃刚;黄盘兴;路菲;黄荣;韦常柱;;基于混合优化的运载器大气层内上升段轨迹快速规划方法[J];航空学报;2015年06期

4 王海涛;李军营;梁立威;刘开封;孟海东;;基于hp自适应Radau伪谱法的再入飞行器轨迹优化[J];科学技术与工程;2015年02期

5 徐少兵;李升波;成波;;最优控制问题的Legendre伪谱法求解及其应用[J];控制与决策;2014年12期

6 胡松启;陈雨;;伪谱法在飞行器轨迹优化中应用分析[J];火箭推进;2014年05期

7 胡超芳;辛越;;基于模糊多目标的高超声速飞行器再入轨迹设计[J];控制与决策;2014年11期

8 黄长强;国海峰;丁达理;;高超声速滑翔飞行器轨迹优化与制导综述[J];宇航学报;2014年04期

9 任洋;曹林平;国海峰;丁达理;;高超声速滑翔飞行器多目标再入轨迹优化[J];飞行力学;2014年02期

10 韩威华;杨新;姜萌哲;;基于hp自适应伪谱法的N脉冲轨道优化设计[J];系统工程与电子技术;2013年12期

相关博士学位论文 前3条

1 黄盘兴;运载器大气层内上升段轨迹快速优化方法研究[D];哈尔滨工业大学;2015年

2 孙勇;基于改进Gauss伪谱法的高超声速飞行器轨迹优化与制导[D];哈尔滨工业大学;2012年

3 徐立芳;免疫克隆选择算法应用研究[D];哈尔滨工程大学;2008年

相关硕士学位论文 前7条

1 韩业鹏;运载火箭上升段动力故障自适应制导研究[D];哈尔滨工业大学;2016年

2 杨松锟;航天器运载工具的发展历程分析及展望[D];哈尔滨工业大学;2015年

3 蔡海鸾;惩罚函数法在约束最优化问题中的研究与应用[D];华东师范大学;2015年

4 任京涛;助推滑导弹上升段多终端约束弹道设计及制导方法研究[D];哈尔滨工业大学;2013年

5 赵勇;免疫克隆选择算法改进及其应用研究[D];湖南大学;2011年

6 刘琼;智能优化算法及其应用研究[D];江南大学;2011年

7 刘朝华;免疫克隆选择算法研究及其应用[D];湖南大学;2010年

，

本文编号：2611121