一种基于混合动力的近地小行星交会任务轨道优化方法

    公开(公告)号:CN112016187A

    公开(公告)日:2020-12-01

    申请号:CN202010733500.1

    申请日:2020-07-27

    Abstract: 本发明涉及一种基于混合动力的近地小行星交会任务轨道优化方法,所述轨道优化方法包括以下内容:建立太阳光压和太阳光电混合推进动力的小行星探测器动力学模型;基于物理规划和高斯伪谱法设计了一种小行星探测轨道优化方法。本发明的优点在于:采用物理规划框架,多目标轨道优化问题可以转化为反应设计者偏好的单目标优化问题。基于高斯伪谱法的迭代优化策略,可以有效解决交会轨道优化中诸多变量的初值问题。多目标优化仿真结果表明,混合动力小行探测器能够生成不同轨道形式实现最小燃料消耗和最短飞行时间。仿真还表明混合动力探测器连续交会四个近地小行星的任务周期为五年左右,比太阳帆探测器完成同样交会任务节省一年半左右。

    一种基于混合动力的近地小行星交会任务轨道优化方法

    公开(公告)号:CN112016187B

    公开(公告)日:2022-08-09

    申请号:CN202010733500.1

    申请日:2020-07-27

    Abstract: 本发明涉及一种基于混合动力的近地小行星交会任务轨道优化方法,所述轨道优化方法包括以下内容:建立太阳光压和太阳光电混合推进动力的小行星探测器动力学模型;基于物理规划和高斯伪谱法设计了一种小行星探测轨道优化方法。本发明的优点在于:采用物理规划框架,多目标轨道优化问题可以转化为反应设计者偏好的单目标优化问题。基于高斯伪谱法的迭代优化策略,可以有效解决交会轨道优化中诸多变量的初值问题。多目标优化仿真结果表明,混合动力小行探测器能够生成不同轨道形式实现最小燃料消耗和最短飞行时间。仿真还表明混合动力探测器连续交会四个近地小行星的任务周期为五年左右,比太阳帆探测器完成同样交会任务节省一年半左右。

    结冰翼型气动模型构造方法、装置、设备及介质

    公开(公告)号:CN113777931B

    公开(公告)日:2022-02-11

    申请号:CN202111317075.9

    申请日:2021-11-09

    Abstract: 本发明公开了结冰翼型气动模型构造方法、装置、设备及介质,该方法包括:从翼型数据库中选择任一翼型作为基准翼型并获取所述基准翼型的结冰翼型数据;根据结冰翼型数据生成相应翼型的非结构化网格并计算结冰翼型在预设马赫数和预设攻角条件下的气动系数;根据所述气动系数构建结冰翼型气动模型的训练集和测试集;搭建结冰翼型气动模型的网络,包括主干网络和分支网络;对搭建的网络进行网络训练,得到结冰翼型气动模型。本发明与现有的基于计算流体动力学的结冰翼型气动系数计算方法相比,所构造的结冰翼型气动模型具有更快的预测速度。本发明可以将飞行状态作为输入去预测气动系数,在测试数据集上具有更强的泛化能力。

    一种飞行器最大似然参数辨识方法

    公开(公告)号:CN118672136A

    公开(公告)日:2024-09-20

    申请号:CN202410685672.4

    申请日:2024-05-30

    Abstract: 本发明公开了一种飞行器最大似然参数辨识方法,涉及飞行器参数辨识技术领域,包括:首先将飞行器动力学系统表示为离散形式的增广非线性动力学系统,待辨识参数为系统参数β、初始增广状态均值#imgabs0#和协方差P0、过程噪声协方差Q、测量噪声协方差R;再对于给定的#imgabs1#P0、Q、R初始估计,采用平方根无迹卡尔曼滤波器进行前向状态估计;然后采用无迹Rauch–Tung–Striebel平滑器进行后向状态平滑;再更新#imgabs2#P0、Q、R的估计;最后重复执行上述步骤,直至收敛或达到指定迭代步数,计算参数估计值#imgabs3#本发明,具有很好的鲁棒收敛性。

    结冰翼型气动模型构造方法、装置、设备及介质

    公开(公告)号:CN113777931A

    公开(公告)日:2021-12-10

    申请号:CN202111317075.9

    申请日:2021-11-09

    Abstract: 本发明公开了结冰翼型气动模型构造方法、装置、设备及介质,该方法包括:从翼型数据库中选择任一翼型作为基准翼型并获取所述基准翼型的结冰翼型数据;根据结冰翼型数据生成相应翼型的非结构化网格并计算结冰翼型在预设马赫数和预设攻角条件下的气动系数;根据所述气动系数构建结冰翼型气动模型的训练集和测试集;搭建结冰翼型气动模型的网络,包括主干网络和分支网络;对搭建的网络进行网络训练,得到结冰翼型气动模型。本发明与现有的基于计算流体动力学的结冰翼型气动系数计算方法相比,所构造的结冰翼型气动模型具有更快的预测速度。本发明可以将飞行状态作为输入去预测气动系数,在测试数据集上具有更强的泛化能力。

    基于深度神经网络的高速滑翔式飞行器在线轨迹优化方法

    公开(公告)号:CN118170155B

    公开(公告)日:2024-09-06

    申请号:CN202410591532.0

    申请日:2024-05-14

    Abstract: 本发明公开了一种基于深度神经网络的高速滑翔式飞行器在线轨迹优化方法,涉及轨迹优化技术领域,其包括:将高速滑翔式飞行器动力学模型转换成最优控制问题;采用自适应伪谱法将最优控制问题转换成非线性规划问题;根据飞行器不同初始状态信息,生成最优轨迹数据集;将最优轨迹数据集划分成训练集和测试集,通过训练集训练离线的深度神经网络;将测试集中的状态变量输入训练好的深度神经网络,得到飞行器的控制变量,更新倾侧角和攻角控制指令,飞行器按照新生成的控制指令进行飞行;将导航系统实时测量的飞行器状态信息输入已训练好的深度神经网络,实现飞行器在线轨迹优化。本发明能够实时高效地对高速滑翔式飞行器进行在线轨迹优化。

Patent Agency Ranking