论文部分内容阅读
随着科学技术的进步与航天活动的迅速发展,深空探测越来越受到人们的重视,其中行星际轨道设计与优化技术是实现深空探测任务的关键技术之一。与近地卫星的轨道设计相比,行星际轨道设计要复杂得多,其中双脉冲轨道转移是各种转移轨道设计的基础,同时由于其在工程上易于实现,所以双脉冲轨道转移在行星际探测任务中仍然有着非常重要的作用。如果在设计双脉冲转移轨道时能够合理地选择两次施加速度脉冲的时刻,则可以大大减小所需的速度增量,从而达到节省燃料增加有效载荷质量的目的,为了实现这样一个目的,选择一个合适的优化算法至关重要。
航天器轨道优化算法的设计经历了由传统的确定性算法到现代演化算法的发展历程。在早期的确定性算法研究阶段,NASA和ESA所做的研究中己包括了离散化的方法、配点法、打靶法、序列二次规划方法和共轭梯度法等算法。这些算法是最优化方法研究的主要内容,最优化方法是近几十年形成的,它主要运用数学方法研究各种系统的优化途径及方案,为决策者提供科学决策的依据。其目的在于针对所研究的系统,求得一个合理运用人力、物力和财力的最佳方案,发挥和提高系统的效能及效益,最终达到系统的最优目标。但是因为双脉冲变轨问题的目标函数具有类周期特性,且大部分局部最优解附近都有若干伴生解存在,使得这些确定性算法在应用过程中遇到了病态梯度、初始点敏感、局部收敛等问题,难以满足实践的需要,而寻求一种全局优化算法变得越来越重要。
适时,演化算法兴起并得到广泛发展,演化算法是一种新兴的优化工具,它是借鉴自然界中进化与遗传机制的一种优化算法,主要用于解决复杂的工程技术问题。具有自适应搜索、渐进式搜索及并行式搜索的特点,并且有通用性强的特点,是一种全局的智能搜索方法,在航空航天领域,越来越多的问题也开始采用演化算法求解,在行星际轨道设计与优化中,很多研究机构将演化算法应用到借力飞行的轨道优化设计中,尤其是NASA和ESA都正尝试使用演化算法来求解该问题。
然而演化算法局部搜索能力不强,计算量大,效率较低。而与之相反的是,许多传统的优化算法的局部搜索性能较好,所以有效地结合二者,取长补短,设计出高效率的、具有全局优化性能的、适合目标问题的优化算法是本论文的研究目的。
论文针对双脉冲转移轨道的实际问题,认真学习了传统的确定性算法和现代演化算法的特性,在此基础上,详细的分析了两类优化算法:非线性规划单纯形算法与遗传算法。文中首先介绍了这两种算法的原理与实现过程,利用它们优化目标问题,然后在优化结果的基础上对它们所表现的性能进行详细分析,包括单纯形算法高效、精确的优点与初始点敏感和局部最优的缺陷以及遗传算法的全局优化功能。在此基础上,分析了它们的结合基础与互补点,为结合策略的设计提供了理论基础。此外,考虑到遗传算法与单纯形算法结合的具体策略,对单纯形算法进行修改,使得修改后的算法与遗传算法的结合更高效。
在对单纯形算法与遗传算法性能分析的基础上,论文根据不同的目的给出了两个侧重点不同的结合范例:遗传算法-单纯形两级优化算法和遗传算法-单纯形混合优化算法。遗传算法-单纯形两级优化算法结合了遗传算法的全局搜索与单纯形算法的局部优化性能,设计了运用遗传算法作为全局优化算法对目标函数进行初级优化,然后在初级优化的解的基础上建立一个优化空间,利用修改的单纯形算法对目标问题进行再次优化的全局优化算法。文中给出了该算法优化目标函数的结果,证明了结合算法能够比较精确的收敛到全局解并且效率较高。遗传算法-单纯形混合优化算法在遗传算法每一代的进化过程中加入单纯形算法操作,并保留单纯形算法执行的有利结果,该策略利用遗传算法掌控全局的同时,最大限度地发挥了单纯形算法的局部搜索功能,实验数据证明结合策略不仅保证了算法的全局搜索能力,而且能够有效地搜索到解空间的全部极值点,具有较好的实际应用价值。