动力学的强非线性,模型和环境的不确定性,以及各种复杂飞行约束,导致飞行器主动段轨迹优化问题十分复杂,所以目前工程中多是离线规划得到参考轨迹。然而,由于建模误差和飞行扰动的影响,实际飞行往往达不到离线参考轨迹的性能指标,并且在大扰动甚至发动机故障等极端不确定情况下,离线轨迹可能会丧失参考价值。随着强适应性、高可靠性、快速响应成为航天发射任务的追求目标,离线轨迹优化方法实时性较差的瓶颈逐渐凸显,在线轨迹规划则可进一步挖掘飞行器的性能指标,提高任务执行能力,因而成为先进制导控制领域亟待突破的一个关键技术。本文以运载火箭为研究对象,在传统离线轨迹优化方法的基础上,提出一种基于神经网络预测的主动段轨迹在线生成方法,同时可以使运载火箭对推力、气动参数偏差具备一定的适应能力,主要研究内容包括:(1)建立了火箭主动段轨迹优化模型。本文研究对象为三级固体运载火箭,在发射惯性坐标系下描述火箭主动段质心运动方程,构造了以终端速度最大为性能指标的轨迹最优控制问题,在此基础上推导了第三级真空段飞行的两点边值问题,此外,考虑推力、气动等参数偏差,给出了相应的拉偏模型,这些工作为后续轨迹优化问题求解方法的研究提供了模型基础。(2)研究了轨迹样本的离线非线性优化方法。采用hp自适应伪谱法作为前端离散工具,免疫克隆选择算法作为初值生成工具,序列二次规划算法作为精确优化工具,这三种方法构成一个离线非线性优化框架。将上述方法作为神经网络样本的离线求解方法,为验证其有效性,在标称飞行条件下,求解原始轨迹最优控制问题得到主动段全程最优轨迹,求解两点边值问题得到第三级最优轨迹。(3)提出了基于神经网络的主动段轨迹在线生成方法。考虑参数拉偏模型,利用前述非线性优化框架离线求解了大量非标称条件下的最优参考轨迹,以之为样本,离线训练了“状态—控制”与“状态—协态”两个多层前馈神经网络。在线应用过程中,将“状态—控制”网络用于一、二级飞行,“状态—协态”网络用于第三级飞行,两个网络的输入均为实时飞行状态,前者直接输出当前时刻的控制量;后者输出当前时刻的协态量,以该协态量为良好初值,通过在线快速求解两点边值问题得到剩余时间的精确最优控制量,从而对轨迹进行末段修正。最后,通过仿真实验验证了上述方案的有效性,仿真结果表明,本文提出的主动段轨迹生成方法在保证实时性和精度的同时,对推力和气动偏差具备一定适应能力,可以满足在线应用的要求。