CN115390456B 基于神经网络的飞行器再入段轨迹优化方法 （西安电子科技大学）

optimizationforhyperson基于神经网络的飞行器再入段轨迹优化方法本发明公开了一种基于神经网络的飞行器建立半速度坐标系下飞行器再入连续最优控制用部分状态量数据集作为训练数据集对神经网2(3)采用内点法求解序列二阶锥规划问题P2，得到包括4条飞行器状态量曲线和1条飞(4)通过拉偏飞行器气动参数建立偏差模型，对偏差模型中的每一组气动参数进行离(5)对步骤(3)中标称最优参考轨迹和步骤(4)中非标称最优参考轨迹中的状态量曲线飞行器在飞行期间，机载计算机读取飞行器导航系统测得3为飞行器能承受热流率、动压和过载的最大值，kQ和ρ分别表示热流率计算系数和大气密δ4ψ4.据权利要求1所述的方法，其特征在于：步骤(2)中用伪ψ5表示第k+1次迭代的控制量解，:"表示第m个离散点处第和表示第k+1次迭代的松弛变量解；(3c)设一个五维列向量ε表示收敛判断条件，判断每一个离散点处的状态变量解是否满足"-"se的收敛条件：；设真实气动参数相对标称气动参数服从正态分布，并标称气动参数为正态分布的均利用此偏差模型随机生成500组气动参数，并对这些气动参数对应的序列二阶锥规划(5a)对步骤(3)获取的标称最优参考轨迹中的4条状态量曲线和1条控制量曲线分别采(5b)对步骤(4)获取的非标称最优参考轨迹中的4条状态量曲线和1条控制量曲线分别两个隐含层分别包含30个神经元和15个神经元，且两个隐6(9c)采用反向传播方法，通过神经网络A的损失值Loss计算神经网络A的网络参数梯网络A,。78[0010](3)采用内点法求解序列二阶锥规划问题P2，得到包括飞行器状态量曲线和飞行[0011](4)通过拉偏飞行器气动参数建立偏差模型，对偏差模型中的每一组气动参数进[0012](5)对步骤(3)中标称最优参考轨迹和步骤(4)中非标称最优参考轨迹中的状态量[0014](7)将步骤(5)中的状态量数据集X取出一部分作为训练轨迹集X1输入到神经网络9[0043]由于无动力可重复使用运载器RLV在大气层内飞行时，机体与大气摩擦产生大量[0047]根据RLV的飞行任务可以确定RLV的初始状态信息和终端状态信息，进而对RLV的[0060]在飞行器再入的轨迹优化中，通常对飞行器的期望要求包含飞行器再入时间最n[0074]由于选择倾侧角σ为控制量时，在对微分方程组进行逐次线性化时易产生不良震微分方程组f对x的雅可比矩阵、r.(x".,u",e)-a/ou表示微分方程组f对u的雅可比矩换后的控制变量从质心运动方程中分离出来，依据新的控制变量对微分方程组进行线性[0085]通过松弛约束后确定的集合扩大了原始容许控制集，使[0087]4.3.1)将阻力加速度表达式代入性能指标，将性能指标表示为如下状态量的函[0089]其中D＝0.5R0ρV2SCD/m为阻力加速度，系数不含任何状态量，示大气密度ρ对r的导数在r(k)(e)处的值，c"、c,"分别表示在前一性能指标关于无量纲地心距r的一阶项和余ψ0和cφ>0为给定常量，将性能指标更新为：[0108]采用逐次线性化方法凸化质心运动方程，逐次求解过程中第k次的解包含状态变F:(x,ue)-fi(x:e)/ax'+[B(x,e)n]/ax'表示雅可比矩阵；f)x+B(x(k))u+b(x(k)))x+B(x(k))u+b(x(k))δ[0135]根据Gauss伪谱法的原理，将序列凸最优控制问题P1离散参数化为序列凸规划问[0143]5.2.1)利用拉格朗日插值多项式表示伪能量自变量E∈[_1,1)的质心运动微分方[0144]以N+1个拉格朗日插值多项式作为基函数近似每个LG点的[0145]利用近似的状态变量x(Em)对伪能量自变量E求导，即其N+1表示飞行器经度的终端状态，φN+1表示飞行器纬度的终端状态，γN+1表示飞行器段的轨迹优化模型重新描述为序列凸最优控制问[0189]6.1)令迭代计数k＝0[0192]表示第k+1次迭代的状态变量解，表示第n个离[0193]表示第k+1次迭代的控制量解，u"表示第m个离散[0194]gt)和表示第k+1次迭代的松弛变量解；[0195]6.3)设一个五维列向量ε表示是否满足"-"se的收敛条件：[0201]7.2)在偏差模型中随机结合步骤6获得的标称最优参考轨迹，得到这501组最优参考轨迹的控制量包线，如图5所[0203]8.1)对步骤6获取的标称最优参考轨迹中的4条状态量曲线和1条控制量曲线分别[0204]8.2)对步骤7获取的非标称最优参考轨迹中的4条状态量曲线和1条控制量曲线分[0208]9.2)设置神经网络A的输入层神经元个数[0211]10.2)将状态量数据集X取出一部分作为训练轨迹集X1输入到神经网络A进行控制[0212]10.3)采用反向传播方法，通过神经网络[0220]初始地心距r=53700m,初始经度g;-146.97",初始纬度射=-22.32",初始航迹角初始航向角vj=45.12",初始速度[0222]终端地心距rf=28000m,终端经度j-230",终端纬度终端航迹角终端航向角终端速度[0238]从图8可见，神经网络拟合的高度轨迹与标称参数下凸规划方法求解得到的最优[0240]从图9可见，神经网络拟合的经纬度轨迹与标称参数下凸规划方法求解得到的最在线生成的轨迹相对于相同情况下凸规划方法解得的最优轨迹的终端误差及生成轨迹所[