針對火星探測器的氣動捕獲軌道,提出了一種改進的鴿群算法對氣動捕獲軌道進行優(yōu)化。首先,考慮成功進行氣動捕獲所要求的終端約束和過程約束,根據從捕獲軌道進行軌道轉移進入目標軌道所需的速度增量,提出了進行捕獲軌道優(yōu)化的最優(yōu)性能指標。然后,針對原始鴿群算法存在的一些不足,提出一種改進算法,并對改進算法的參數取值進行了分析。最后,基于大氣內飛行的動力學方程,將氣動捕獲軌道優(yōu)化問題轉化為多參數優(yōu)化問題,利用所提出的改進鴿群算法對氣動捕獲軌道進行優(yōu)化,并通過仿真實例驗證該算法的有效性。 

【文章來源】：航空學報. 2020,41(09)北大核心EICSCD

【文章頁數】：9 頁

【部分圖文】：

氣動捕獲軌道優(yōu)化結果

圖1為R在不同取值下動態(tài)因子的變化情況。可以看出，當R取較大值0.3時，迭代到20次e-Rt就已衰減接近為零，之后的迭代過程主要體現在向最優(yōu)值靠近，失去了探索能力，算法易早熟；當R取較小值0.002 6時，在迭代完成時e-Rt仍然具有較大的取值，算法不易收斂；為了平衡二者的關系，可以通過指定迭代完成時期望的動態(tài)因子的取值自適應地選取R值。令迭代完成時期望的動態(tài)因子的值為α，有e-RT=α，則R=-(1/T)lnα，其中T為迭代次數。通過自適應的方式選取R值，雖然能夠在一定程度上緩解易早熟和不易收斂的問題，但是卻不能從根本上很好地平衡全局搜索與局部搜索之間的關系。在實際應用中，在迭代初期，往往更注重于全局搜索能力，而在迭代后期則希望局部搜索能力更強一些。由圖1可以看出，當取α=0.01時，在迭代后期動態(tài)因子較小，算法主要在最優(yōu)值附近進行局部搜索，然而在迭代初期，動態(tài)因子下降很快，并不能很好地進行全局搜索；當取α=0.4時，雖然使得動態(tài)因子下降速度減緩，全局搜索能力增強，但是卻削弱的算法的局部搜索能力。

可以看出，當k=0且b=0時，算法即為原始的鴿群算法，即原算法是改進后的一種特殊情況。當k≠0時，可以通過調節(jié)（t1，α1）、（t2，α2）選擇合適的動態(tài)權值曲線，在搜索前期使動態(tài)權值緩慢下降，保持搜索活力，提高全局搜索的能力；在搜索后期，使得動態(tài)權值取得較小的值，保證算法的收斂。相比于原算法，改進后的算法不僅兼容了原算法中指數形式下降的動態(tài)權值，而且對其進行了擴展，在形式選擇上提供了更大的自由度，提升了全局搜索與局部搜索之間的平衡。3 氣動捕獲軌道優(yōu)化

【參考文獻】：
期刊論文
[1]一種基于自適應種群變異鴿群優(yōu)化的航天器集群軌道規(guī)劃方法[J]. 華冰,劉睿鵬,孫勝剛,吳云華,陳志明.  中國科學:技術科學. 2020(04)
[2]基于量子行為鴿群優(yōu)化的無人機緊密編隊控制[J]. 徐博,張大龍.  航空學報. 2020(08)
[3]基于捕食逃逸鴿群優(yōu)化的無人機緊密編隊協同控制[J]. 段海濱,邱華鑫,范彥銘.  中國科學:技術科學. 2015(06)
[4]利用Radau偽譜法求解UCAV對地攻擊軌跡研究[J]. 王鈾,趙輝,惠百斌,王鋒,胡杰.  電光與控制. 2012(10)
[5]飛行器軌跡優(yōu)化方法綜述[J]. 陳功,傅瑜,郭繼峰.  飛行力學. 2011(04)
[6]高超聲速滑翔飛行器引入段彈道優(yōu)化[J]. 周浩,周韜,陳萬春,殷興良.  宇航學報. 2006(05)



本文編號：3466070