基于自适应遗传算法的行星际轨道控制优化方法
基于自适应遗传算法的行星际轨道控制优化方法
【专利摘要】本发明公开了一种基于自适应遗传算法的行星际轨道控制优化方法，包括如下步骤：建立目标行星B平面；求取轨道控制的速度增量和B平面位置残差；利用自适应遗传算法优化中途修正的时机。优化的目标是中途修正的燃料消耗和目标行星位置误差，采用了遗传算法对行星际转移轨道中途修正的时机进行优化，并将传统的遗传算法做了改进，采用自适应的交叉概率和变异概率，加快了算法的收敛速度。与传统的数值搜索方法比较，自适应遗传算法既能保证寻优精度，又能节省计算时间。利用本方法能为行星际探测任务节约数量可观的燃料消耗，同时有效提高了行星际巡航轨道控制策略选择的效率。
【专利说明】基于自适应遗传算法的行星际轨道控制优化方法
[0001]
【技术领域】
[0002] 本发明涉及航天器轨道控制技术，特别涉及一种基于自适应遗传算法的行星际轨 道控制优化方法。
[0003]
【背景技术】
[0004] 行星际探测器在发射入轨误差以及各种摄动力的影响下会偏离预定的轨道，如果 不进行中途轨道修正，则其到达目标天体时会由于非线性效应产生巨大的偏差。因此，为 了到达预定的目标轨道或被目标天体捕获，必须在巡航轨道段完成对探测器的多次中途修 正。
[0005] 中途修正需要消耗宝贵的能量，而轨道控制策略就是决定探测器在飞行过程中何 时进行修正，修正多少次、每次修正量的大小等问题，使得轨道修正所消耗的能量最小，同 时满足探测器最终的位置精度。因此，使用合理的中途修正方法，可以有效的减少推进器对 能量的消耗，从而增加探测器的有效载荷，同时延长探测器的寿命。
[0006] 对中途修正而言，优化的目标是修正所需的速度增量和探测器最终位置误差相关 的综合指标，优化变量是修正时间点，两个优化目标不可能同时收敛，因此其本质是一个多 目标优化问题。而传统的数值搜索算法计算效率低、精度差的缺点。
[0007]
【发明内容】
[0008] 针对传统的数值搜索方法中计算效率低、精度差的缺点，本发明提供一种基于自 适应遗传算法的行星际轨道控制策略优化方法。
[0009] 为达到上述发明目的，本发明是通过以下的技术方案实现的。本发明提出了一种 基于自适应遗传算法的行星际轨道控制优化方法，包括如下步骤： 步骤1，建立目标行星B平面； 步骤2,求取轨道控制的速度增量和B平面位置残差； 步骤3,利用自适应遗传算法优化中途修正的时机。
[0010] 较佳地，所述步骤2利用微分修正法求取轨道控制的速度增量和B平面位置残差， 首先选择控制变量的一个初值V0,对轨道动力学方程进行数值积分计算，得到B平面上与 标称目标参数的偏差Λ B，同时根据一定的数值方法计算得到敏感矩阵S ;其次，由控制参 数和目标参数的关系得到控制变量变化量Λ V，将其与V0相加得到下一次迭代的初值，然 后按此过程反复计算，直到最终Λ Β的减小到满足设定的精度要求，最后得到的Λ V即为要 求的轨道控制速度增量，Λ Β为Β平面残余误差。
[0011] 较佳地，所述步骤3中优化中途修正的时机首先对优化变量的个体进行二进制编 码，利用适应度值来进行搜索，设定遗传算子及控制参数，进而优化中途修正的时机。
[0012] 作为上述方案的一种优选，遗传算法优化过程中，对表示可行解的个体二进制编 码施加选择、交叉、变异等遗传操作，来达到计算目的，编码后的个体就是问题的遗传基因 型； 作为另一种优选，遗传算法的搜索过程是以适应度函数为依据，利用个体的适应度值 来进行搜索，适应度函数是由目标函数变换而成的； 作为另一种优选，所述遗传算子包括选择算子、交叉算子和变异算子；遗传算法使用选 择算子来对群体中的个体进行优胜劣汰操作，选择过程是使用某种方法选取优等个体遗传 到下一代群体的一种遗传运算，是建立在对个体的适应度进行评价的基础之上；交叉算子 是指对两个相互配对的染色体按某种方式相互交换其部分基因，从而形成两个新的个体； 交叉运算是遗传算法区别于其他进化算法的重要特征，在遗传算法中起着关键作用，是产 生新个体的主要方法；变异运算是将个体染色体编码串中某些基因座上的基因值用该基因 的其它等位基因来替换，从而形成一个新的个体；对于二进制编码的个体，变异操作就是将 个体在变异点上的基因值取反。
[0013] 作为另一种优选，，步骤3包括： 3-1)产生初始种群，个体数目一定；遗传算法就是从这一初始种群开始，模拟生物进化 过程，优胜劣汰，最后选择出最优秀的个体，便为所要求的设计优化值； 3-2)计算每个个体的适应度值； 3-3)根据适应度选择再生个体，适应度高的个体被选中的概率高，适应度值低的个体 被淘汰的概率高； 3-4)以一定交叉概率和规则进行交叉计算，生成新的个体； 3-5)以一定变异概率和规则进行变异计算，生成新的个体； 3-6)由3-4)、3-5)生成新一代的群体，回到3-2)，若满足设定进化终止条件，则终止计 算，输出结果，若不满足则继续循环计算，直到满足遗传进化终止条件。
[0014] 与现有技术相比，本发明的有益效果如下： 本方法采用了遗传算法对行星际转移轨道中途修正的时机进行优化，并将传统的遗传 算法做了改进，采用自适应的交叉概率和变异概率，加快了算法的收敛速度。与传统的数值 搜索方法比较，自适应遗传算法既能保证寻优精度，又能节省计算时间。利用该算法能为行 星际探测任务节约数量可观的燃料消耗，同时有效提高了行星际巡航轨道控制策略选择的 效率。
[0015]
【专利附图】
【附图说明】
[0016] 以下将结合附图对本发明作进一步的说明。
[0017] 图1是本发明的基于自适应遗传算法的行星际轨道控制优化方法流程图； 图2是B平面不意图； 图3是相关双曲轨道参数示意图； 图4是本发明的遗传算法流程图。
[0018]
【具体实施方式】
[0019] 以下通过较佳实施例对本发明的技术方案进行说明，但下述实施例并不能限制本 发明的保护范围。
[0020] 本发明提供一种基于自适应遗传算法的行星际轨道控制优化方法。优化参数是巡 航轨道中途修正的时机，优化目标是修正机动速度增量和目标行星位置残差的综合指标。
[0021] 1)建立目标行星B平面： 1-1) B平面的定义 探测器在到达目标天体附近没有进行制动前，相对于目标天体的飞行轨迹是双曲线。 所谓B平面是指通过目标天体中心并垂直于探测器双曲轨道入射渐近线的平面，如图1所 /_J、1 〇
[0022] 假设双曲轨道入射渐近线的矢量为舍，在B平面上建立一平面坐标系，其原点0为 目标天体的质心，
【权利要求】
1. 一种基于自适应遗传算法的行星际轨道控制优化方法，其特征在于，包括如下步 骤： 步骤1，建立目标行星B平面； 步骤2,求取轨道控制的速度增量和B平面位置残差； 步骤3,利用自适应遗传算法优化中途修正的时机。
2. 如权利要求1所述的基于自适应遗传算法的行星际轨道控制优化方法，其特征在 于，所述步骤2利用微分修正法求取轨道控制的速度增量和B平面位置残差，首先选择控制 变量的一个初值V0,对轨道动力学方程进行数值积分计算，得到B平面上与标称目标参数 的偏差Λ B，同时根据一定的数值方法计算得到敏感矩阵S ;其次，由控制参数和目标参数 的关系得到控制变量变化量Λ V，将其与V0相加得到下一次迭代的初值，然后按此过程反 复计算，直到最终Λ Β的减小到满足设定的精度要求，最后得到的Λ V即为要求的轨道控制 速度增量，Λ Β为Β平面残余误差。
3. 如权利要求1所述的基于自适应遗传算法的行星际轨道控制优化方法，其特征在 于，所述步骤3中优化中途修正的时机首先对优化变量的个体进行二进制编码，利用适应 度值来进行搜索，设定遗传算子及控制参数，进而优化中途修正的时机。
4. 如权利要求3所述的基于自适应遗传算法的行星际轨道控制优化方法，其特征在 于，遗传算法优化过程中，对表示可行解的个体二进制编码施加选择、交叉、变异等遗传操 作，来达到计算目的，编码后的个体就是问题的遗传基因型。
5. 如权利要求3所述的基于自适应遗传算法的行星际轨道控制优化方法，其特征在 于，遗传算法的搜索过程是以适应度函数为依据，利用个体的适应度值来进行搜索，适应度 函数是由目标函数变换而成的。
6. 如权利要求3所述的基于自适应遗传算法的行星际轨道控制优化方法，其特征在 于，所述遗传算子包括选择算子、交叉算子和变异算子； 遗传算法使用选择算子来对群体中的个体进行优胜劣汰操作，选择过程是使用某种方 法选取优等个体遗传到下一代群体的一种遗传运算，是建立在对个体的适应度进行评价的 基础之上；交叉算子是指对两个相互配对的染色体按某种方式相互交换其部分基因，从而 形成两个新的个体；交叉运算是产生新个体的主要方法；变异运算是将个体染色体编码串 中某些基因座上的基因值用该基因的其它等位基因来替换，从而形成一个新的个体；对于 二进制编码的个体，变异操作就是将个体在变异点上的基因值取反。
7. 如权利要求3所述的基于自适应遗传算法的行星际轨道控制优化方法，其特征在 于，步骤3包括： 3-1)产生初始种群，个体数目一定；遗传算法就是从这一初始种群开始，模拟生物进化 过程，优胜劣汰，最后选择出最优秀的个体，便为所要求的设计优化值； 3-2)计算每个个体的适应度值； 3-3)根据适应度选择再生个体，适应度高的个体被选中的概率高，适应度值低的个体 被淘汰的概率高； 3-4)以一定交叉概率和规则进行交叉计算，生成新的个体； 3-5)以一定变异概率和规则进行变异计算，生成新的个体； 3-6)由3-4)、3-5)生成新一代的群体，回到3-2)，若满足设定进化终止条件，则终止计 算，输出结果，若不满足则继续循环计算，直到满足遗传进化终止条件。
【文档编号】G05B13/04GK104252132SQ201310260638
【公开日】2014年12月31日 申请日期:2013年6月27日 优先权日:2013年6月27日
【发明者】张玉花, 周杰, 阳光, 谭天乐, 贺亮, 刘付成 申请人:上海新跃仪表厂
【专利摘要】本发明公开了一种基于自适应遗传算法的行星际轨道控制优化方法，包括如下步骤：建立目标行星B平面；求取轨道控制的速度增量和B平面位置残差；利用自适应遗传算法优化中途修正的时机。优化的目标是中途修正的燃料消耗和目标行星位置误差，采用了遗传算法对行星际转移轨道中途修正的时机进行优化，并将传统的遗传算法做了改进，采用自适应的交叉概率和变异概率，加快了算法的收敛速度。与传统的数值搜索方法比较，自适应遗传算法既能保证寻优精度，又能节省计算时间。利用本方法能为行星际探测任务节约数量可观的燃料消耗，同时有效提高了行星际巡航轨道控制策略选择的效率。
【专利说明】基于自适应遗传算法的行星际轨道控制优化方法
[0001]
【技术领域】
[0002] 本发明涉及航天器轨道控制技术，特别涉及一种基于自适应遗传算法的行星际轨 道控制优化方法。
[0003]
【背景技术】
[0004] 行星际探测器在发射入轨误差以及各种摄动力的影响下会偏离预定的轨道，如果 不进行中途轨道修正，则其到达目标天体时会由于非线性效应产生巨大的偏差。因此，为 了到达预定的目标轨道或被目标天体捕获，必须在巡航轨道段完成对探测器的多次中途修 正。
[0005] 中途修正需要消耗宝贵的能量，而轨道控制策略就是决定探测器在飞行过程中何 时进行修正，修正多少次、每次修正量的大小等问题，使得轨道修正所消耗的能量最小，同 时满足探测器最终的位置精度。因此，使用合理的中途修正方法，可以有效的减少推进器对 能量的消耗，从而增加探测器的有效载荷，同时延长探测器的寿命。
[0006] 对中途修正而言，优化的目标是修正所需的速度增量和探测器最终位置误差相关 的综合指标，优化变量是修正时间点，两个优化目标不可能同时收敛，因此其本质是一个多 目标优化问题。而传统的数值搜索算法计算效率低、精度差的缺点。
[0007]
【发明内容】
[0008] 针对传统的数值搜索方法中计算效率低、精度差的缺点，本发明提供一种基于自 适应遗传算法的行星际轨道控制策略优化方法。
[0009] 为达到上述发明目的，本发明是通过以下的技术方案实现的。本发明提出了一种 基于自适应遗传算法的行星际轨道控制优化方法，包括如下步骤： 步骤1，建立目标行星B平面； 步骤2,求取轨道控制的速度增量和B平面位置残差； 步骤3,利用自适应遗传算法优化中途修正的时机。
[0010] 较佳地，所述步骤2利用微分修正法求取轨道控制的速度增量和B平面位置残差， 首先选择控制变量的一个初值V0,对轨道动力学方程进行数值积分计算，得到B平面上与 标称目标参数的偏差Λ B，同时根据一定的数值方法计算得到敏感矩阵S ;其次，由控制参 数和目标参数的关系得到控制变量变化量Λ V，将其与V0相加得到下一次迭代的初值，然 后按此过程反复计算，直到最终Λ Β的减小到满足设定的精度要求，最后得到的Λ V即为要 求的轨道控制速度增量，Λ Β为Β平面残余误差。
[0011] 较佳地，所述步骤3中优化中途修正的时机首先对优化变量的个体进行二进制编 码，利用适应度值来进行搜索，设定遗传算子及控制参数，进而优化中途修正的时机。
[0012] 作为上述方案的一种优选，遗传算法优化过程中，对表示可行解的个体二进制编 码施加选择、交叉、变异等遗传操作，来达到计算目的，编码后的个体就是问题的遗传基因 型； 作为另一种优选，遗传算法的搜索过程是以适应度函数为依据，利用个体的适应度值 来进行搜索，适应度函数是由目标函数变换而成的； 作为另一种优选，所述遗传算子包括选择算子、交叉算子和变异算子；遗传算法使用选 择算子来对群体中的个体进行优胜劣汰操作，选择过程是使用某种方法选取优等个体遗传 到下一代群体的一种遗传运算，是建立在对个体的适应度进行评价的基础之上；交叉算子 是指对两个相互配对的染色体按某种方式相互交换其部分基因，从而形成两个新的个体； 交叉运算是遗传算法区别于其他进化算法的重要特征，在遗传算法中起着关键作用，是产 生新个体的主要方法；变异运算是将个体染色体编码串中某些基因座上的基因值用该基因 的其它等位基因来替换，从而形成一个新的个体；对于二进制编码的个体，变异操作就是将 个体在变异点上的基因值取反。
[0013] 作为另一种优选，，步骤3包括： 3-1)产生初始种群，个体数目一定；遗传算法就是从这一初始种群开始，模拟生物进化 过程，优胜劣汰，最后选择出最优秀的个体，便为所要求的设计优化值； 3-2)计算每个个体的适应度值； 3-3)根据适应度选择再生个体，适应度高的个体被选中的概率高，适应度值低的个体 被淘汰的概率高； 3-4)以一定交叉概率和规则进行交叉计算，生成新的个体； 3-5)以一定变异概率和规则进行变异计算，生成新的个体； 3-6)由3-4)、3-5)生成新一代的群体，回到3-2)，若满足设定进化终止条件，则终止计 算，输出结果，若不满足则继续循环计算，直到满足遗传进化终止条件。
[0014] 与现有技术相比，本发明的有益效果如下： 本方法采用了遗传算法对行星际转移轨道中途修正的时机进行优化，并将传统的遗传 算法做了改进，采用自适应的交叉概率和变异概率，加快了算法的收敛速度。与传统的数值 搜索方法比较，自适应遗传算法既能保证寻优精度，又能节省计算时间。利用该算法能为行 星际探测任务节约数量可观的燃料消耗，同时有效提高了行星际巡航轨道控制策略选择的 效率。
[0015]
【专利附图】
【附图说明】
[0016] 以下将结合附图对本发明作进一步的说明。
[0017] 图1是本发明的基于自适应遗传算法的行星际轨道控制优化方法流程图； 图2是B平面不意图； 图3是相关双曲轨道参数示意图； 图4是本发明的遗传算法流程图。
[0018]
【具体实施方式】
[0019] 以下通过较佳实施例对本发明的技术方案进行说明，但下述实施例并不能限制本 发明的保护范围。
[0020] 本发明提供一种基于自适应遗传算法的行星际轨道控制优化方法。优化参数是巡 航轨道中途修正的时机，优化目标是修正机动速度增量和目标行星位置残差的综合指标。
[0021] 1)建立目标行星B平面： 1-1) B平面的定义 探测器在到达目标天体附近没有进行制动前，相对于目标天体的飞行轨迹是双曲线。 所谓B平面是指通过目标天体中心并垂直于探测器双曲轨道入射渐近线的平面，如图1所 /_J、1 〇
[0022] 假设双曲轨道入射渐近线的矢量为舍，在B平面上建立一平面坐标系，其原点0为 目标天体的质心，
【权利要求】
1. 一种基于自适应遗传算法的行星际轨道控制优化方法，其特征在于，包括如下步 骤： 步骤1，建立目标行星B平面； 步骤2,求取轨道控制的速度增量和B平面位置残差； 步骤3,利用自适应遗传算法优化中途修正的时机。
2. 如权利要求1所述的基于自适应遗传算法的行星际轨道控制优化方法，其特征在 于，所述步骤2利用微分修正法求取轨道控制的速度增量和B平面位置残差，首先选择控制 变量的一个初值V0,对轨道动力学方程进行数值积分计算，得到B平面上与标称目标参数 的偏差Λ B，同时根据一定的数值方法计算得到敏感矩阵S ;其次，由控制参数和目标参数 的关系得到控制变量变化量Λ V，将其与V0相加得到下一次迭代的初值，然后按此过程反 复计算，直到最终Λ Β的减小到满足设定的精度要求，最后得到的Λ V即为要求的轨道控制 速度增量，Λ Β为Β平面残余误差。
3. 如权利要求1所述的基于自适应遗传算法的行星际轨道控制优化方法，其特征在 于，所述步骤3中优化中途修正的时机首先对优化变量的个体进行二进制编码，利用适应 度值来进行搜索，设定遗传算子及控制参数，进而优化中途修正的时机。
4. 如权利要求3所述的基于自适应遗传算法的行星际轨道控制优化方法，其特征在 于，遗传算法优化过程中，对表示可行解的个体二进制编码施加选择、交叉、变异等遗传操 作，来达到计算目的，编码后的个体就是问题的遗传基因型。
5. 如权利要求3所述的基于自适应遗传算法的行星际轨道控制优化方法，其特征在 于，遗传算法的搜索过程是以适应度函数为依据，利用个体的适应度值来进行搜索，适应度 函数是由目标函数变换而成的。
6. 如权利要求3所述的基于自适应遗传算法的行星际轨道控制优化方法，其特征在 于，所述遗传算子包括选择算子、交叉算子和变异算子； 遗传算法使用选择算子来对群体中的个体进行优胜劣汰操作，选择过程是使用某种方 法选取优等个体遗传到下一代群体的一种遗传运算，是建立在对个体的适应度进行评价的 基础之上；交叉算子是指对两个相互配对的染色体按某种方式相互交换其部分基因，从而 形成两个新的个体；交叉运算是产生新个体的主要方法；变异运算是将个体染色体编码串 中某些基因座上的基因值用该基因的其它等位基因来替换，从而形成一个新的个体；对于 二进制编码的个体，变异操作就是将个体在变异点上的基因值取反。
7. 如权利要求3所述的基于自适应遗传算法的行星际轨道控制优化方法，其特征在 于，步骤3包括： 3-1)产生初始种群，个体数目一定；遗传算法就是从这一初始种群开始，模拟生物进化 过程，优胜劣汰，最后选择出最优秀的个体，便为所要求的设计优化值； 3-2)计算每个个体的适应度值； 3-3)根据适应度选择再生个体，适应度高的个体被选中的概率高，适应度值低的个体 被淘汰的概率高； 3-4)以一定交叉概率和规则进行交叉计算，生成新的个体； 3-5)以一定变异概率和规则进行变异计算，生成新的个体； 3-6)由3-4)、3-5)生成新一代的群体，回到3-2)，若满足设定进化终止条件，则终止计 算，输出结果，若不满足则继续循环计算，直到满足遗传进化终止条件。
【文档编号】G05B13/04GK104252132SQ201310260638
【公开日】2014年12月31日 申请日期:2013年6月27日 优先权日:2013年6月27日
【发明者】张玉花, 周杰, 阳光, 谭天乐, 贺亮, 刘付成 申请人:上海新跃仪表厂
最新回复(0)