论文部分内容阅读
降低航天发射成本是整个航天工业界所面临的主要挑战之一,而实现运载火箭的重复使用是降低发射成本的重要措施。近年来,随着美国私人航天公司SpaceX推出的垂直起降(VTVL,Vertical Takeoff and Vertical Landing)运载火箭成功实现了一级火箭回收和重复使用,VTVL已被证明是一种可行的火箭回收技术途径。轨迹设计、导航、制导与控制是VTVL回收的一项关键技术,而轨迹优化是轨迹设计、导航、制导与控制技术的核心方法之一。本文主要针对VTVL运载火箭动力软着陆过程,围绕复杂约束轨迹优化、轨迹优化收敛性和实时性问题展开了一系列研究,建立了整体表达、联立求解、在线计算的轨迹优化技术框架。本文研究内容可分为轨迹设计和计算制导两部分,主要的研究成果为1.复杂约束下VTVL运载火箭最优轨迹设计联立计算框架。联立计算框架采用基于有限元正交配置(OCFE,Orthogonal Collocation on Finite Elements)的联立法对构建的最优轨迹设计问题进行全联立离散化,利用原-对偶内点算法求解离散化得到的非线性规划(NLP,Nonlinear Programming)问题。针对VTVL运载火箭飞行全过程三自由度最优轨迹设计问题,基于联立计算框架进行求解,为增强轨迹优化问题求解收敛性,设计了启发式初始化策略。针对VTVL运载火箭动力软着陆六自由度最优轨迹设计问题,为进一步提升轨迹优化问题解的精度和最优性,在联立计算框架的基础上提出了基于非配置点的离散化误差估计和哈密尔顿函数的自适应离散化网格精细化算法,该算法可精确定位推力大小跳变点。2.VTVL运载火箭动力软着陆滚动时域轨迹优化计算制导框架。为克服动力软着陆过程的一系列不确定性,提出了滚动时域轨迹优化计算制导框架。首先建立了考虑计算时延的基础滚动时域轨迹优化计算制导框架,为了减少轨迹优化计算时延对制导性能的影响,提出了基于NLP灵敏度的预测校正算法。预测算法利用当前采样时刻的实际火箭状态来预测下一采样时刻的火箭状态,并在当前采样周期内计算从下一采样时刻的预测火箭状态到着陆点的最优轨迹。校正算法则基于NLP灵敏度对当前采样时刻的预测火箭状态到着陆点的最优轨迹进行在线校正来生成当前采样时刻的实际火箭状态到着陆点的轨迹。仿真实验验证了提出的预测校正滚动时域轨迹优化计算制导框架的有效性。3.VTVL运载火箭动力软着陆快速轨迹优化算法。基础滚动时域轨迹优化计算制导框架和预测校正滚动时域轨迹优化计算制导框架都需要在采样周期内完成轨迹优化计算。仿真实验结果表明缩短采样周期可以提升制导性能,对轨迹优化问题的求解实时性提出了要求。因此,本文结合联立法和凸化方法提出了VTVL运载火箭动力软着陆快速轨迹优化算法。首先利用无损凸化方法对推力约束进行凸化,然后利用基于OCFE的联立法和序列凸化算法将求解原轨迹优化问题转化为求解一系列二阶锥规划问题,引入虚拟控制和信赖域策略来增强序列凸化的收敛性,并设计了序列凸化初始化策略。该算法充分利用了联立法离散化精度高、数值稳定性好以及凸优化问题求解快速性、收敛确定性的理论基础。4.动力软着陆轨迹优化方法在深空探测中的拓展。针对月球表面VTVL转移最优轨迹设计问题,利用联立计算框架进行求解。设计了同伦回溯策略来增强轨迹优化问题求解收敛性,并利用提出的自适应离散化网格精细化算法来提升解的精度、最优性以及精确定位推力大小跳变点。针对火星表面多点动力软着陆在线轨迹优化问题,提出了基于NLP灵敏度和改进的K-means聚类算法的多点动力软着陆在线轨迹优化算法。该算法利用NLP灵敏度对探测器到每个候选着陆点的燃料消耗进行在线估计,并利用改进的K-means聚类算法对候选着陆点进行聚类来提高燃料消耗估计精度。算法在完成最佳着陆点选择后可基于估计轨迹快速生成到所选着陆点的最优轨迹。