基于粒子群算法的航天器姿态运动规划
基于改进粒子群算法的航迹规划方法
4. 基于改进粒子群算法的内层规划
本文针对粒子群算法容易过早收敛到局部最优 解、算法迭代后期搜索能力不足的缺陷以及规划时考 虑禁飞区约束的特点提出改进粒子群算法，引入变异 因子。当局部规划区域中存在较大禁飞区域时，整个 粒子种群都会陷入禁飞区搜索不到可行解，通过变异 因子作用于种群最优个体可以搜索到禁飞区外的可 行解。另外，在算法迭代后期变异因子可以避免粒子 种群收敛到局部最优解，保持粒子种群的搜索能力。
vi k 1 wvik c1r1 p best i xik c2 r2 gbest xik xik 1 xik vik 1
(1) (2)
7
基于改进粒子群算法的航迹规划方法
其中 i 为粒子序号，k 是迭代次数，r1 和 r2 是 0~1 之间的随机数，这两个参数用来保持种群的多样性。
(4)式用于计算可行代价，lTi 表示个体第 i 段穿越
威胁区的长度，w4 为正的权系数，Ltotal 为个体的总航 迹长度；
c1 和 c2 为学习因子，使粒子具有自我总结和向种群中
优秀个体学习的能力，从而不断向自己的历史最优位 置以及种群内的历史最优位置靠近。
(5)式为个体评价函数公式， 在有负代价存在时仅
[7] [6] [5] [4] [3]
5) 最大/小下滑角度约束 6) 机动修正和稳定距离约束 7) 最小拐弯半径约束 8) 最短水平弧长约束 其中 1)、2)、3)在第一层遗传算法全局搜索时考 虑处理；4)、5)在航迹高度规划时考虑处理；本文所 讨论方法仅考虑 3)、6)、7)、8)、9)项约束。
提出了协同 PSO 算法， 通过多群粒子协同优化来改进
3. 粒子群算法概述
航天器的姿态控制与轨迹规划算法研究
航天器的姿态控制与轨迹规划算法研究随着航天技术的不断发展，航天器的姿态控制与轨迹规划算法成为了航天工程领域中的重要研究方向。
姿态控制是指控制航天器在空间中的姿态，使其能够完成各种任务，如定位、导航、遥感等。
而轨迹规划算法则是为了确定航天器在航天任务中的最佳路径，以提高任务效率和安全性。
航天器的姿态控制是一个复杂而关键的问题。
航天器在空间中的姿态受到多种因素的影响，如地球引力、大气阻力、太阳辐射等。
为了保持航天器的稳定姿态，研究人员需要设计合适的控制策略。
目前常用的姿态控制方法包括PID控制、模糊控制和自适应控制等。
PID控制是一种经典的控制方法，通过调节比例、积分和微分三个参数来实现姿态控制。
这种方法简单易行，但对于复杂的航天器姿态控制问题来说，效果并不理想。
模糊控制则是一种基于模糊逻辑的控制方法，能够处理非线性和不确定性系统。
它通过建立模糊规则和模糊推理来实现姿态控制。
自适应控制则是根据航天器的动态特性，自动调整控制策略，以适应不同的工况。
除了姿态控制，航天器的轨迹规划算法也是航天工程中的重要研究内容。
轨迹规划算法的目标是确定航天器在航天任务中的最佳路径，以提高任务效率和安全性。
常见的轨迹规划算法包括遗传算法、粒子群算法和模拟退火算法等。
遗传算法是一种模拟生物进化过程的优化算法，通过模拟自然选择、交叉和变异等过程，搜索最优解。
粒子群算法则是模拟鸟群觅食行为的一种优化算法，通过模拟粒子在解空间中的移动来搜索最优解。
模拟退火算法则是模拟金属退火过程的一种优化算法，通过模拟系统在高温下逐渐冷却的过程，搜索最优解。
航天器的姿态控制与轨迹规划算法研究是一项综合性的工作，需要结合航天器的动力学特性、任务需求以及环境因素进行综合分析和设计。
在实际应用中，研究人员需要根据具体任务的要求，选择合适的姿态控制和轨迹规划算法，并进行参数调整和性能优化。
未来，随着航天技术的不断发展，航天器的姿态控制与轨迹规划算法将面临更多的挑战和机遇。
基于粒子群算法的无人机航迹规划
态 粒子 群 算 法在 水 平 投 影 面里 进 行 航 迹 搜 索 ； 最后 给 出 了仿 真 验 证 ， 通过 仿 真 结果 可 以看 出 ， 本文介绍的航迹规划 方 法 的有 效性 。 关 键 词 ：粒 子 群 算 法 ； 航 迹规划 ； 最 小威 胁 曲面 ； 无 人 机
航 迹规 划 是 指 在 特 定 约束 条 件 下 寻 找 运 动 体 从 起 始 点 到
终 点满 足某 项 性 能 指 标最 优 的 运 动 轨迹 嗍 。 航 迹 规 划 的 实 质 其
面 进 行 水 平投 影 ，这 样 一来 就 将 三 维 航 迹 规 划 问 题 转 换 成 为 了二 维 航 迹规 划 问题 ， 根 据 投 影 一一 对应 的关 系 ， 最 后 将 规 划 出来 的 二 维航 迹 进 行 反 向投 影 到 “ 最 小威 胁 曲 面 ” 从 而 得 到 在 该 曲面 中 的最 小 威胁 突 防 三维 航 迹 。
ｔ ｏ ｓ ｅ ａ ｒ ｃ ｈ ａ ｂ ｅ ｓ ｔ ２ Ｄ ｒ ｏ ｕ ｔ ｅ ｆ ｏ ｒ ｔ ｈ ｅ ＵＡＶ ａ ｍｏ ｎ ｇ ｔ ｈ ｅ ｈ ｏ ｒ ｉ ｚ ｏ ｎ ｔ ａ ｌ ｐ ｌ ａ ｎ ｅ ． ｈ ｅ Ｔ ｓ ｉ ｍｕ ｌ ａ ｔ ｉ ｏ ｎ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｐ ｏｖ ｒ ｅ ｔ ｈ ｅ ｅ ｆ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｎ ｅ ｓ ｓ ｏ ｆ ｔ ｈ ｅ ｍｅ ｔ ｈ ｏ ｄ ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｄ ｉ ｎ ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ： ｐ ａ ｔ ｒ ｉ ｃ ｌ ｅ ｓ ｗａ ｒ ｍ ｏ ｐ ｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ；ｒ ｏ ｕ ｔ ｅ ｐ ｌ ａ ｎ ｎ ｉ ｎ ｇ ；ｍｉ ｎ ｉ ｍｕ ｍ ｈｒ ｔ ｅ ａ ｔ ｓ ｕ ｒ ｆ ａ ｃ ｅ ；ＵＡＶ
欠驱动刚性航天器姿态的非完整运动规划粒子群算法
设 欠驱 动航 天器 由主 刚体 日 。和 两个 动 量 飞 轮
（ ｉ＝ １ ２ 组 成 （ 图 １ 。 以系 统 总质 心 Ｏ为 原 ，） 见 ）
维普资讯
１３ ２ ４
宇 航 学 报
维普资讯
第 ２ 卷 第 ６期 ７
２Ｏ Ｏ ６年 ｌ １月
宇 航 学 报
Ｊ ｕ ｎ ｌ ｆＡ ｔ ｎ ｕｉｓ ｏ ｒ ａ ｓ ｏ ａ ｔ ｏ ｒ ｃ
Ｖ０ ． ７ １２ Ｎｏ ｅ ｅ＂ ｖ ｍｂ ｌ
Ｎｏ． ６ ２Ｏ Ｏ６
欠 驱 动 刚性 航 天 器 姿态 的 非 完整 运 动 规 划 粒 子 群 算 法
量为 零 的条件 下给 出 了带有两 个 飞轮航 天器 几何 状
粒 子群优 化算 法求 解 系统 的最 优控 制输 入 ， 而 确 从 定 欠驱 动航 天器 系统姿 态运 动优 化轨 迹 。文末 给 出 算 例仿 真 ， 和遗 传算法 进行 了 比较 ， 明本文 提 出 并 表
的基 于粒子 群优 化算 法 的欠 驱 动刚性 航 天器姿 态 运 动 规划 是有 效 的。
戈新 生 ，孙 鹏 伟
（ 京 机 械 工 业 学 院基 础 部 ，北 京 １０８ ） 北 ００ ５
擒
要 ：研 究 欠 驱 动 刚性 航 天 器 姿 态 的 非 完 整 运 动 规 划 问题 。 众 所 周 知 航 天 器 利 用 三 个 动 量 飞 轮 可 以控 制
其 姿态 和任 意定 位 ， 当其 中一轮失效 ， 航天器动力学方程表现为不可控 。在系统角动 量为零 的情 况下 ， 系统 的姿 态
控 制 问题 转 化为无 漂移 系统 的运 动规 划 问题 。运用
基于群智能优化算法的航空航天结构优化
基于群智能优化算法的航空航天结构优化航空航天结构优化是航空航天工程中一个非常重要的课题，旨在通过改进设计和优化结构，提高航空航天器的性能和安全性。
群智能优化算法是一类基于群体智能行为模拟的优化算法，具有强大的全局搜索能力和鲁棒性。
本文将重点讨论基于群智能优化算法的航空航天结构优化方法与应用。
首先，我们将介绍群智能优化算法的基本原理和算法模型。
群智能优化算法是一种模拟自然界中群体智能行为的优化算法。
其中，粒子群算法（PSO）和蚁群算法（ACO）是两种典型的群智能优化算法。
粒子群算法通过模拟鸟群觅食行为，通过迭代搜索，寻找最优解。
蚁群算法则通过模拟蚂蚁觅食行为，通过信息素激发和信息素挥发机制，寻找最优路径。
这两种算法都具有全局搜索能力和自适应性，适用于复杂的优化问题。
在航空航天结构优化中，群智能优化算法可以应用于多个方面。
首先，可以应用于飞机结构优化。
飞机结构优化主要包括材料选择、构型设计、结构布局等方面。
通过群智能优化算法，可以在保证飞机安全性和性能的前提下，降低结构重量，提高飞机的燃油效率和载荷能力。
其次，可以应用于火箭发动机结构优化。
火箭发动机是航空航天领域中一个关键的部件，对其结构进行优化可以提高火箭的推力和运载能力。
通过群智能优化算法，可以在考虑多个约束条件的情况下，优化发动机的结构，提高整体性能。
此外，群智能优化算法还可以应用于卫星结构优化、航天器降落伞设计、飞机翼型优化等。
在应用群智能优化算法进行航空航天结构优化时，需要进行详细的问题建模和参数设置。
首先，需要确定优化目标和约束条件。
优化目标可以是最小化结构重量、最大化载荷能力、最小化能源消耗等。
约束条件可以包括材料强度、结构稳定性、飞行性能要求等。
然后，需要选择适当的群智能优化算法和相应的算法参数。
不同的算法和参数设置可能会对优化结果产生重要影响，因此需要进行充分的实验和分析。
最后，需要进行多次迭代搜索，通过不断更新粒子位置和信息素浓度，逐步收敛到最优解。
基于粒子群算法的无人机航迹规划问题
２０１０年第４期（总第１３９期）ＣｈｉｎａＨｉ－ＴｅｃｈＥｎｔｅｒｐｒｉｓｅｓNO.4.2010（CumulativetyNO.139）在选择初级线径或者次级铜片厚度时。
图５是很有价值的。
这里的电流密度不是先前的５００圆密耳有效值安培。
因为先前的值通常会导致高频时，ｈ／Δ值很大，从图５可以看出，即Ｒａｃ／Ｒｄｃ很大。
经常选择直径较小的绕线或厚度较小的铜片，以使ｈＦ１姨／Δ不超过预定范围。
这样会增加Ｒｄｃ值，但由于Ｒａｃ／Ｒｄｃ减小了，Ｒａｃ也会减小，从而减小了铜损。
值得注意的是，在反激电路中，初级电流和次级电流不是同步的。
因此，将初／次级级绕组交错排列时不会产生邻近效应，只需根据“５００圆密耳每有效值安培”规则采用更少的层数并应用质量更好的绕线就可以了。
因为虽然此时直流阻抗增加了，但从图５可见，Ｒａｃ／Ｒｄｃ减小了。
参考文献[1]P.Dowell，Effects of Eddy Currentsin Transformer Wind－ings[J]．Proceedings IEE（U.K.），1966，（8）．[2]AbrahamI．Pressman Switching Power Supply Design （Second Edition）[M]．China，2006．[3]赵修科．开关电源中的磁性元件[M]．辽宁科学技术出版社，2002．摘要：文章首先将无人机航迹问题转换为多目标的TSP问题数学模型，建立了航迹规划问题的数学模型。
然后将轨迹规划问题转换成一个求最短路径的单目标的有约束的优化问题，针对这类问题的求解，采用了一种新的粒子群算法并利用软件编程求解。
最后验证了结果的可行性，同时讨论了结果的稳定性和收敛性。
关键词：多目标TSP问题；粒子群算法；航迹规划；无人机中图分类号：TP309文献标识码：A文章编号：1009-2374（2010）04-0011-02粒子群算法是一种基于生物种群中的个体生物对种群和个体本身的不同依赖程度而设计的智能优化算法，又简称ＰＳＯ。
基于多级优化的粒子群算法在航迹规划中的应用
中图分类 号 ： Ｖ ２ ７ ９ 文献标志码 ： Ａ
无人 机 （ ｕ Ａ Ｖ ） 的航迹 规划 是指 在 特定 的约 束条 件下 ， 寻找满足无人 机机动性能 以及作战环境要 求 的
Ａ 算 法 】 、 Ｄ 算法 州 和动 态规划 法等 。这类算 法 的特
系列 飞机机 动性能 限制 条件 。即提供 给无人 机 的
将飞行空 间用二维空 间表示 ， 假设无人 机的飞行
航迹要安全 、 快捷 、 可飞。 高度 和 速度 恒定 ， 任 务 限制条 件 为偏 航 角不 能超 过
第２ ８ 卷
威胁 的种类加 以区分 。这样 ， 后续 的优化算 法只需对
网格化后 的逻辑平 面阵Ａ 以及 抽象出来的二值威胁阵 进行操作 ， 从而大大减小了后续算法 的工作量 。
完全 收敛时退 出粒子 群迭代过 程 ， 转而切换 到多级优 化算 法上 。利用 多级 优化 算法较 强 的局部 寻优 能力 完成 所得 粗略解 的最 优化 处理 。 由于多级 优化算 法
３ ０ 。 ， 在航 迹规 划前假 设各 种威胁 在地 图上 的范 围已 知。由 于传 统 的威胁建 模方法 存在难 以处 理不规 则 形状威 胁场 、 需要 对威胁 进行分 类处理 等缺 点 ， 故 采
２ ０１ ３ 正
海 军 航 空 工 程 学 院 学 报
Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｎａ ｖ ａ ｌ Ａｅ ｒ ｏ ｎ ａ ｕ ｔ ｉ ｃ ａ ｌ ａ ｎ ｄ Ａｓ ｔ ｒ ｏ ｎ ａ ｕ ｔ ｉ ｃ ａ ｌ
２ Ｏ１ ３ Ｖ ０ ＿ １ ． ２ ８ Ｎ０ ． １
基于小生境粒子群技术的多航迹规划研究
对于多航迹规划来说 ， 生成的应该是在空 间上 相互独立的较优航迹 ， 因此 ， 以根据实际需要将其 可
１ 基 于小 生境 微 粒 子群 的 多航 迹规 划 方 法
１１ 粒子群算法描述 ．
转化为一个具有多个峰值 点的代价 函数 ， 该代价 函 数 的每一个局部极小值点对应着一条较优的可行航
迹。 目 ， 前 求解多峰值 函数极值问题通常都采用小
生境技术 。它是模拟生态平衡的一种仿生技术 ， 就是在一个大的种群 中形成若干个相互独立的小的 子种群 ， 即小生境。在进化过程中， 所有的个体只在 自己所在的小生境 内部进化， 追逐 出不同的极值点 从 而得到各 自的最优解 。因此 ， 生境技术能够有 小 效地保证解 的多样性 。基于上述思想 ， 本文提 出了 种基于小生境粒子群进化计算的飞行器多航迹规
一
规划状态空间可以规划出多条航迹 ， 而传统 的航迹 规划方法 ， 主要有 Ａ 法…、 蚁群及其改进算法【 、 ２ 】 遗传算法【 、 ３ 粒子群算法 ｌ 等 ， 】 ４ 往往只找全局或 局
部最优的一条 ， 对同时获得多条优化航迹研究较少 。 然而， 在实际航迹规划过程 中 ， 由于飞行器机动性
需要 综合考 虑 ， 而且这 些 因素随 时会 发生 变化 ， 因此 预先 规划好 的最 优 航 迹 可 能不 再 适 用 。另 外 ， 当多 机 协 同执行 任务 时 ， 常需 要 同时 使 用 多 个 飞行 器 通
划 方法 。该 方法 采用 了特定 的粒子编 码方式 和适 当 的适应度 函数 ， 同时 引人 Ｒ Ｃ （ ｅｔｃｅ ｏ ｐｔ Ｓ Ｒ ｓｉｔ Ｃ ｍ ｅ— ｒ ｄ ｉ ｔｎＳｌ ｔｎ 小 生境 生 成 策 略 ， ｉ ｅ ｃｏ ） ｏ ｅｉ 首先 对含 有 Ⅳ个 粒 子 的粒子 群生 成若 干 个 小 生 境 子 种群 ， 成 各 自独 形
基于改进粒子群算法的uav航迹规划方法
收稿日期：2019 -06 - 24；修回日期：2019 - 07 - 30. 基金项目：国家自然科学基金课题(91638203).
: Abstract Combined with the current trend of unmanned aerial vehicles (UAVs) development, with researching on path planning
algorithm and strategy, on the basis of analyzing the classical particle swarm optimization (PSO) and the traditional path planning me4hod&apa4hplanning me4hodbasedonimprovedPSOisproposed&dividing4heUAVspa4hplanningin4o4wopar4s: overalpa4h
关键词：无人机；粒子群算法；航迹规划；环境建模；惯性权重
UAV Path Planning Method Based on Improved PSO
Xiong Huajie12 & Yu Baoguo1& & He Chenglong1&
(1. State Key Laboratory of Satellite Navigation System and Equipment Technology, Shijiazhuang 050081, China； 2. 54th Research Institution of CETC& Shijiazhuang 050081, China)
粒子群优化算法在航天器姿态运动规划中应用
第三章带有两个动量飞轮的航天器姿态运动规划及仿真
第三章带有两个动量飞轮的航天器姿态运动规划及仿真
３．１引言
由于空间技术以及其他工业技术的发展，非完整系统动力学的研究显得越来越重要。
目前，在国内外利用非完整约束来研究欠驱动航天器的运动规划问题已经有了很多成果。
Ａｅｙｅｌｓｔ冽研究了少于三个动量飞轮航天器速度方程的稳定性。
Ｔｓｉｏｔｒａｓ等ｐｏｌ讨论了有两个控制输入的航天器姿态运动规划和稳定性问题。
Ｂｔｏｃｈ等１３ｌｌ在假设系统角动量为零的条件下给出了带有两个动量飞轮的航天器几何状态表述。
王梓１３２１等利用最优控制讨论了刚体航天器的姿态控制问题：魏宝钢【３３ｌ利用拟牛顿算法讨论了带两个动量飞轮的航天器系统三维姿态运动控制问题。
在本文选用的带两个动量飞轮的航天器系统中，由于空间无外力和力矩作用，航天器处于自由漂浮的状态．系统因为角动量守恒而成为非完整系统。
本文采用卡尔丹角（附录）进行姿态描述并利用角动量守恒推导出姿态运动方程，并进行了运动规划和算例仿真等工作。
３．２带有两个动量飞轮的航天器动力学建模
众所周知，航天器利用三个动量飞轮可以控制其姿态和进行任意定位。
然而，当其中一个动量飞轮失效Ｂ寸，在某些特定的情况下，如何利用两个动量飞轮控制航天器的姿态问题就是一个很有意义的问题。
图３—１带两个动量飞轮的航天器模型
１３。
基于粒子群算法和航行规则的分步多船避碰路径规划
基于粒子群算法和航行规则的分步多船避碰路径规划避碰是船舶安全航行中非常重要的一环。
在航行过程中，船舶需要避开其他船舶、障碍物等，以确保船舶的安全。
为了实现多船避碰，粒子群算法（Particle Swarm Optimization, PSO）可以被用来规划航行路径。
粒子群算法是一种优化算法，模拟了鸟群或鱼群等群体行为。
在这个算法中，我们将每个个体（粒子）看作一个可能的解决方案，通过不断调整速度和位置来搜索最优解决方案。
在多船避碰路径规划中，我们可以将每个粒子看作一个船舶，将其位置和速度作为船舶的路径规划。
我们需要定义多个目标函数来评估每个粒子的适应度。
目标函数可以包括以下几个方面：1. 船舶与其他船舶之间的距离：我们希望每个船舶都能够保持一定的安全距离，避免碰撞。
2. 船舶与障碍物之间的距离：如果存在障碍物，我们同样需要保持一定的安全距离，以避免碰撞。
3. 船舶的速度和转向角度：我们希望船舶能够以合适的速度和转向角度行驶，避免急刹车或过度转向。
基于以上目标函数，我们可以使用粒子群算法进行路径规划：1. 初始化粒子群的位置和速度，位置代表船舶的路径，速度代表船舶的速度和转向角度。
2. 对于每个粒子，根据其当前位置和速度计算船舶与其他船舶、障碍物之间的距离，并计算适应度。
3. 更新粒子群的最优位置和最优适应度，记录全局最优位置和最优适应度。
4. 根据当前最优位置和最优适应度，更新每个粒子的速度和位置。
5. 重复步骤2至4，直到达到设定的迭代次数或达到停止条件。
6. 输出全局最优位置，即为多船避碰的最优路径。
在实际应用中，我们可以根据特定的船舶数量、船舶特性、障碍物位置等参数来调整粒子群算法的参数，以获得更好的路径规划效果。
航行规则也应该被考虑在内，以确保船舶行驶符合航行规则、安全可靠。
基于粒子群算法和航行规则的分步多船避碰路径规划可以通过定义适当的目标函数和调整算法参数来实现。
这种方法能够帮助船舶规划安全避碰路径，确保航行安全性。
基于粒子群优化算法的航迹规划与重规划
基于粒子群优化算法的航迹规划与重规划于会;于鑫;李伟华【期刊名称】《计算机工程》【年(卷),期】2009(035)015【摘要】Route planning and re-planning is an important part in Pilot Assistant Artificial Intelligent System(PAAIS). By analying the space of route planning, a new Particle Swarm Optimization Route Planner(PSORP) algorithm for air vehicle is proposed. Specific particle swarm coding representation and suitable fitness function is used in this algorithm. It can process each kind of the mission restriction in real time, and finally obtaines an approximate flight path. Simulation results show the feasibility of the approach.%航迹规划与重规划是驾驶员智能辅助决策支持系统中的重要组成部分.通过分析描述航迹状态规划空间,提出一种基于粒子群的航迹规划算法,该方法通过使用特定的粒子群编码方式和适当的适应度函数的构造,可以在满足航迹约束的条件下,有效利用各种环境信息,进行在线实时航迹规划,并最终得到一条近似最优航迹.仿真结果表明了该方法的有效性.【总页数】3页(P206-208)【作者】于会;于鑫;李伟华【作者单位】西北工业大学计算机学院,西安710072;山东航空股份有限公司,青岛266071;西北工业大学计算机学院,西安710072【正文语种】中文【中图分类】TP182【相关文献】1.基于改进蚁群算法的无人驾驶飞行器三维航迹规划与重规划 [J], 唐必伟;朱战霞;方群;陈攀峰2.基于粒子群优化算法的低空突防航迹规划 [J], 成玉柱;李站生;陈晓鹏3.基于改进蚁群算法的无人机二维航迹规划和重规划 [J], 唐必伟;方群4.基于粒子群优化算法的无人机航迹规划 [J], 陈小双;翟为刚;赵万里5.基于自适应粒子群优化算法的无人机三维航迹规划 [J], 王磊;赵红超;王书湖;卢仁伟因版权原因，仅展示原文概要，查看原文内容请购买。
基于粒子群优化的再入飞行器在线轨迹规划
基于粒子群优化的再入飞行器在线轨迹规划陈上上;何英姿;刘贺龙【摘要】为应对飞行器再入过程中异常事件的发生,提出一种采用粒子群优化(PSO)的在线轨迹规划方法.推导了吸热量的解析表达式,基于航程、吸热量的解析预测以及参考剖面与再入走廊边界最小距离的解析计算,将总吸热量约束、终端位置约束,以及热流率、法向气动过载、动压和平衡滑翔条件等过程约束转为对参考剖面节点坐标的限制.根据参考剖面连续性与光滑性原则,减少选用的节点坐标数,设计关于剩余坐标的性能指标函数.为提高PSO效率,对速度更新算法进行改进.仿真结果表明改进后的优化算法实时性好,在线规划的轨迹能较好地满足飞行任务要求.【期刊名称】《上海航天》【年(卷),期】2015(032)006【总页数】8页(P1-7,52)【关键词】粒子群优化;再入飞行器;在线轨迹规划【作者】陈上上;何英姿;刘贺龙【作者单位】北京控制工程研究所,北京100190;北京控制工程研究所,北京100190;空间智能控制技术重点实验室,北京100190;北京控制工程研究所,北京100190【正文语种】中文【中图分类】V448.210 引言航天飞机再入制导取得了巨大成功，但其采用的参考剖面离线规划与在线跟踪的制导策略，不仅设计过程费时费力，而且难以自主应对异常事件的发生，常需要人的干预［1］。
为提高第二代可重复使用飞行器的自主飞行能力，从而提高安全性、可靠性，同时降低成本，美国航空航天局与美国空军分别发起了先进制导与控制计划、综合自适应制导与控制计划［2－3］。
在线轨迹规划是提高自主飞行能力的一个关键，受到了广泛关注。
轨迹规划的基本问题是根据飞行任务的飞行条件和技术要求，寻找一条某种性能指标最优而又不违背各种约束的飞行轨迹。
考虑实时性要求，在线轨迹规划时一般对再入运动模型进行简化，结合解析计算与简单数值计算得到近似最优解。
MEASE等将航天飞机的二维轨迹规划扩展到三维，轨迹规划问题分为轨迹长度问题与轨迹曲率问题：解决轨迹长度问题时，先基于简化的运动模型得到轨迹长度的解析表达形式，再通过补偿纵程偏差修正总航程，最后用牛顿法迭代至满足终端约束；处理轨迹曲率问题时，用解决长度问题获得的阻力加速度剖面，计算相关侧向加速度幅值，再积分航迹方位角与横程的微分方程，通过搜索得到最小终端横程误差对应的倾侧角反转点［4－6］。
基于粒子群算法和航行规则的分步多船避碰路径规划
基于粒子群算法和航行规则的分步多船避碰路径规划航行路径规划是船舶航行过程中的重要任务之一，通过规划合理的航行路径，可以有效地避免船舶相互碰撞，保障航行安全。
在海上航行中，船舶之间的相互避碰是非常重要的，因此如何规划多艘船舶的避碰路径成为了一个复杂而又具有挑战性的问题。
传统的航行规则遵循了一定的固定规律，但是由于海况的不确定性和船舶的航行特性等因素的影响，传统的航行规则往往难以满足复杂的航行环境。
粒子群算法是一种基于群智能的优化算法，它模拟了鸟群或鱼群在觅食过程中的群体行为，通过不断地调整个体的位置和速度来寻找全局最优解。
粒子群算法具有全局寻优能力强、搜索速度快等优点，因此在航行路径规划中具有较大的应用潜力。
本文基于粒子群算法和航行规则，提出了一种多船避碰路径规划方法。
通过对船舶航行规则的分析和总结，确定了船舶避碰规则的约束条件和目标函数。
然后，将船舶的避碰路径规划问题转化为一个多目标优化问题，将船舶航行路径的安全性和效率性作为优化目标。
接着，利用粒子群算法对多艘船舶的避碰路径进行规划，在遵循航行规则的前提下，通过不断地更新粒子的速度和位置，寻找到最优的避碰路径。
具体而言，本文的多船避碰路径规划方法包括以下几个步骤：1. 确定船舶避碰规则的约束条件和目标函数：根据国际海上交通规则和相关领域的研究成果，确定船舶避碰规则的约束条件和目标函数，包括航行安全性和航行效率性等方面的要求。
2. 将避碰路径规划问题转化为多目标优化问题：将船舶避碰路径规划问题转化为一个多目标优化问题，将航行路径的安全性和效率性作为优化目标，构建多目标优化模型。
3. 设计粒子群算法：设计适合船舶避碰路径规划的粒子群算法，包括粒子的位置和速度的更新规则、适应度函数的设计等内容。
5. 仿真验证：通过仿真实验对所提出的多船避碰路径规划方法进行验证和评估，分析其在不同海况和航行规则下的适用性和性能。
通过以上步骤，可以得到一种基于粒子群算法和航行规则的多船避碰路径规划方法，该方法能够在遵循航行规则的前提下，寻找到最优的避碰路径，保障航行安全和效率。
基于粒子群优化的高超声速飞行器航迹规划
基于粒子群优化的高超声速飞行器航迹规划
张忠峰;高云峰;宝音贺西
【期刊名称】《系统仿真学报》
【年(卷),期】2009()8
【摘要】提出了一种基于粒子群优化算法的高超声速飞行器航迹规划方法并进行了仿真验证。
首先计算了高超声速飞行器的最小转弯半径,然后建立威胁模型,将威胁模型投影到赤道平面内,利用一个有限项的多项式函数来逼近实际航迹在赤道平面内的投影,使航迹规划问题简化为在一个多项式系数空间中的搜索寻优问题。
利用粒子群优化算法,鉴于高超声速飞行器特点,规划得到赤道平面内的航迹,根据对应关系,最后得到实际航迹。
仿真结果表明,生成的航迹自动避开了威胁。
【总页数】4页(P2428-2431)
【作者】张忠峰;高云峰;宝音贺西
【作者单位】清华大学航天航空学院;太原卫星发射中心
【正文语种】中文
【中图分类】TP391.9
【相关文献】
1.基于改进稀疏A*算法的高超声速飞行器航迹规划技术
2.高超声速飞行器突防航迹规划仿真研究
3.基于A*算法的高超声速飞行器航迹规划方法
4.融合强化学习和进化算法的高超声速飞行器航迹规划
5.高超声速飞行器实时航迹规划研究
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｔｏ ｒ ｂ ｅ ｏ ｈ ｔｏ ｌｎ ｉ ｅ ｏ ｅ ｙ ｃ ｍｐ ｉ ａｅ ．Ｐａｔｃ ｅＳ ｒ Ｏｐｔ ｚ ｔｏ ｎ ｓ ａ ｅ ｒ ｆ ａｔｔ ｄ ｒｌｐ ｏ ｌ ｍ ｆｔ ｅ ｍｏｉｎ ｐ ａ ｎ ｎｇｂ ｃ ｍｅ ｖ ｒ ｏ ｌｃ ｔ ｄ ｒｉｌ ｗａ ｍ ｉ ａ ｉｎ ｏ ｐ ｃ ｃ ａｔ ｔｉｕ ｅ ｍｉ ｏ ｏ ｈ ｌｎ ｍｉ ｔ ｎ ｐ ａ ｎ ｎ ｓ ｐ ｏ ｓ ｄ ａ ｃ ｒ ｉ ｇ ｔ ｈｅ ｏ ｔｍａ ｏ ｔｏ ｈ ｏ ． Ｔｈ ｆｅ ｔｖ ｎ ｓ ｆｔ ｅ ｆｎ ｎ ｏｏ ｏ ｃ ｍｏ ｉ ｌｎ ｉ ｇ ｉ ｒ ｐｏ ｅ ｃ ｏｄ ｎ ｏ ｔ ｐ ｉ ｌｃ ｎ ｒ ｌｔ ｅ ｒ ｏ ｙ ｅ ｅｆ ｃｉｅ ｅ ｓ ｏ ｈ
中 图分 类 号 ：Ｐ ４ Ｔ２２ 文 献标 识 码 ： Ａ 文 章 编 号 ：０９— ９ １２ ０ ） ３— ０ ２— ５ １０ ７ ６ （０７ ０ ０５ ０
Ｏｐ ｉ ｌＡｔｉ ｄ ｎ ｒ ｌｏ ｏ ｉ ｎ Ｐｌｎ ｉ ｇ ｆ ｒ Ｓ ａ ｅ ｒ ｆ ｔ ｍａ ｔｔ ｅ Ｃｏ ｔ ｏ ｆＭ ｔ ａ ｎ ｎ ｏ ｐ ｃ ｃ ａ ｔ ｕ ｏ
Ｂａ ｅ ｎ Ｐａ ｔｃｅ Ｓ ｒ ｔｍ ｉａ ｉｎ ｓ ｄ ｏ ｒｉｌ ｗａ ｍ Ｏｐ ｉ ｚ ｔｏ
Ｙ Ｎ ｉ ｉ，Ｓ Ｎ Ｑ ａ ｐｎ Ｓ Ｎ Ｐ ｎ ｗ ｌ Ａ Ｇ Ｌ —ｌ Ｕ ｕｎ— ｉｇ ， Ｕ ｅｇ— ｅ ’
（ ． ｉ ｔ ｎ ｆ ｔ ｎ ｅｈ ｏ ｇ ａ ， ｕ ｉ ｎＩｓ ｔ ｅｏ Ｔ ｃｎ ｌｇ ，Ｈ ａｈ ｉ ｇｕ２ ３０ ， ｈｎ ； Ｉ Ｄｇ ａ Ｍａｕａ ｕ ｇＴ ｃ ｎｌ ｙＬ ｂ Ｈ ａ ｉ ｎｔｕ ｆ ｅｈ ｏ ｙ ｉｌ ｃｒ ｉ ｏ ｙ ｉｔ ｏ ｕ ｉｎＪ ｎ ｓ ２ ０ ３ Ｃ ｉａ ａ
数 目少于系统的 自由度数 目， 系统的姿态运动成为典 型的欠驱动非 完整系统 的运动 规划问题 ， 其运 动控制 问题 变得非 常
复杂。提出了一种应用粒子群算法优化系统姿态运动规划的数值算法 。数值仿真结果表 明了该方法的有效性。 关键词 ： 欠驱 动航天器 ； 姿态运 动； 非完整约束 ； 粒子群算法 ； 动规划 运
ｊｃ ｔ ａｕ ｉ ｒ ｌ ｏ ｔ ｓｄｓｕｓｄ ｉ ｔｉ ｐ ｐ ｒ ｅａｓ ｈ ｕ ｂ ｒ ｆｈ ｏｔ ｌ ｎ ｕｓａｅｌ ｓｔａ ｈ ｅｔｏ ｎｖ ｓ ｉ ｉ ｓｅ ｓ ａｅ．Ｂ ｃｕｅｔｅｎ ｍ ｅ ｅｃｎｒ ｐ ｔ ｒ ｅ ｎｔｅ ｅ ａｊ ｎ ｉ ｃ ｎｈ ｏｔ ｏｉ ｓ ｈ ｎ ｍｂｒ ｆ ｅｒｅｏ ｆ ｅｏ ｗ ｅ ｅａｇ ｌｒ ｅｏｉ ｆｈ ｎｖｒ ｌ ｏ ｔ ｓｔｅｃｎｒｌ ｎ ｕ ｏ ｔｅｓａｅ ｕ ｅ ｇｅ ｆｒ ｄ ｍ， ｈ ｎｔ ｎｕａ ｌ ｔ ｏ ｔ ｕ ｉ ｓ ｉ ｏ ｔ ｐ ｔ ｆ ｈ ｐ ｃ－ ｏｄ ｅ ｈ ｖ ｃｙ ｅ ｅ ａｊ ｎ ｉ ｈ ｏｉ
２ ｃ ｏｌ ｆ ｃｅｃ ，Ｂ ｉｎ ｎｖｒ ｔ ｏ ｅｏ ａｔ ｓａｄＡ ｔ ｎｕｉｓ ｅ ｉｇ１０ ８ ， ｈｎ ．Ｓ ｈｏ ｏ ｉ ｅ ｅ ｉｇＵ ｉ ｓ ｙ ｆ ｒｎ ｕｉ ｎ ｓ ｏ ａｔ ，Ｂ ｉｎ ０ ０ ３ Ｃ ｉａ） Ｓ ｎ ｊ ｅ ｉ Ａ ｃ ｒ ｃ ｊ
Ａｂ ｔ ａ ｔ Ｔ ｅ ｏ ｔ ｌ ｔ ｔｄ ｏ ｔｏ ｏ ｔ ｎ ｐ ａ ｎ ｎ ｒａ ｓ ｓｅ ｆ ｎ ｅ ａ ｔ ａｅ ｏ ｐ ｅ ｇｄ ｂ ｄ ｅ ｕ － ｓｒ ｃ ： ｈ ｐ ｉ ｔ ｕ ｅ ｃ ｎ ｒ ｌ ｆ ｍａ ａ ｉ ｍｏｉ ｌ ｎ ｉ ｇｆ ｙ ｔ ｍ ｏ ｄ ｒ ｃｕ ｔｄ ｃ ｕ ｌ ｄ ｒ ｉ ｏ ｉ ｓｓ ｂ ｏ ｏ ｕ ｉ
维普资讯
第１ ６卷第 ３期
２０ ０ ７年 ６月
淮 阴 工
学院Biblioteka 学报 Ｖｏ ． ６ Ｎ ． １１ ｏ ３
Ｊｕ ｎ ｌ ｆＨｕ ｉｉ ｎ ｔｕｅｏ ｅ ｈ ｏｏ ｙ ｏ ｒａ ａｙｎ Ｉｓ ｔｔ ｆ ｃ ｎ ｌｇ ｏ ｉ Ｔ
Ｊｎ２ ｏ ｕ ．０７
ａ ｐ ｏ ｃ ｓｓ ｏ ｙ ｎ ｍｅ ｃ ｌｓｍｕ ａｉ ｎ ｐ ｒ ａ ｈ ｉ ｈ ｗｎ ｂ ｕ ｒ ａ ｉ ｌｔ ． ｉ ｏ
Ｋｅ ｒ ｙ ｗｏ ｄｓ： ｎｄ ｒ ｃｕ ｔｄ ｓ ｃ ｃ ａｔ ｔｉ ｅ ｍｏｉ ｎ；ｎ ｎ ｏｏ ｏ ｃ ｃ ｎ ｔａｎ ；ｐ ｒｉ ｌ Ｗａ Ｅ ｐ ｉ ｚ ｔ ｎ； ｕ ｅａ ｔ ａ ｅ ｐａ ｅ ｒ ；ａｔｔ ｔ ｆ ｕｄ ｏ ｏ ｈ ｌｎ ｍｉ ｏ ｓｒ ｉ ｔ ａ ｃ ｅ ｓ ｌ ｏ ｔｍｉａ ｉ ｔ ｏ
基 于 粒 子群 算 法 的航 天 器 姿态 运 动 规划
杨 莉莉 孙全平 孙鹏伟 ， ，
（１淮 阴工学 院 数字制造技术实验室 ， ． 江苏 淮安 ２ ３０ ；． ２０ ３ ２ 北京航空航天大学 理学院 ， 北京 １０ ８ ） ００ ３ 摘 要： 当将万向节的相对转 动角 速度作为航天器 系统姿 态运动规划 的控制输 入变量 时 ， 由于航天器 系统的控 制输 入 的