基于局部多模型的高超声速飞行器在线轨迹生成研究

As one of the key technologies in the overall design of the hypersonic vehicle, the trajectory optimization lays the foundation and premise for the flight quality enhancement and task completion. The off-line trajectory design, which relies on the hypothesis that the model and environment is available, could not be always realized, because the hypothesis may not hold anymore when in the hypersonic environment. Aiming at decreasing the reliability of model and improving the flight quality, the project conducts innovative research on the on-line trajectory generation for hypersonic vehicle based on local multiple models. Firstly, based on the research of local multiple models modeling mechanism for the hypersonic vehicle trajectory space, the composite of the vehicle state information and local model describing was established, with the trajectory space local model collection constructed; Secondly, based on the breaking through of the key technologies such as local model online modeling, fast trajectory optimization under coupling restraint, local model collection updating and trajectory optimal fusing and so on, an adaptive on-line trajectory mechanism would be put forward to deal with the accuracy and efficiency problem. The research of the project would resolve the difficult problem of on-line trajectory generation for the hypersonic vehicle, and may break through the modeling theory of the on-line multiple models for the fast time-varying system.

轨迹优化设计是高超声速飞行器总体设计的关键技术之一，是提高其飞行品质、圆满完成既定任务的前提和基础。当前，多数轨迹设计方法以假定先验模型以及环境信息为前提离线实现，而在复杂高超声速飞行环境下该前提并不总能满足，离线设计的轨迹变得不可实现。本项目基于局部多模型方法创新性开展高超声速飞行器在线轨迹生成研究，试图降低这种依赖性。拟通过高超声速飞行器轨迹空间局部多模型表征机理研究，建立融入飞行器状态信息的局部多模型描述，构造轨迹空间局部模型集；在此基础上，通过突破局部模型在线建模、多因素耦合约束条件下快速轨迹优化、局部模型集更新与局部模型轨迹优化融合等研究内容中相关关键技术问题，提出一种具有自学习、自适应能力的高超声速飞行器在线轨迹生成机制，解决在线轨迹优化的效率与精度问题，实现在线轨迹生成。通过本项目的研究，有望解决高超声速飞行器在线轨迹生成难题，并可能突破快时变系统多模型在线建模理论难点问题。

面对高超声速飞行器再入过程中的各种复杂模型、环境以及任务不确定，本项目以降低高超声速飞行器轨迹设计对先验信息的依赖性，提高高超声速飞行器的自主能力和处理各种未知不确定的能力为目标，创新性开展高超声速飞行器在线轨迹生成研究。首先，提出了一种自适应hp伪谱法，通过自适应调整hp伪谱法网格配点数和网格区间数，有效提高轨迹优化效率；并针对复杂非线性多约束求解问题，构建了一种轨迹分段优化策略，设计了自适应hp伪谱分段轨迹优化流程。其次，设计了基于离散伪谱点的轨迹局部模型表征方法，提出了一种基于二阶变分法的轨迹空间局部模型集构建方法；并基于当前飞行状态，提出了局部模型子集构建方法，设计了基于局部模型子集的轨迹融合方法，有效降低了在线轨迹生成的计算量。通过引入模糊聚类思想设计了一种基于模糊隶属度的局部模型子集构建与更新方法，提出了一种基于局部多模型的轨迹在线生成算法，建立了一种基于局部多模型的轨迹在线生成框架，实现轨迹在线生成。针对仅有终端状态约束变化的情形，设计了一种基于时间指数的邻域优化算法，实现邻域内二阶优化轨迹快速求解；在此基础上，提出了一种基于最优轨迹修正-重生成策略的轨迹在线生成方法，实现终端约束超差情况下的轨迹在线快速生成；并利用三层FLANN构建局部神经网络多模型，设计了一种基于局部神经网络多模型的次优轨迹在线生成算法，实现了重生成过渡段次优轨迹在线生成。综合上述结果，本项目研究为探索快时变系统多模型在线建模理论奠定了基础，同时为高超声速飞行器在线轨迹生成与实现提供了重要的理论依据，对于增强未来先进高超声速飞行器不确定适应能力与提高飞行器的自主能力均将具有重要的现实意义。