[发明专利]一种航天器大角度姿态控制参数优化方法

说明书

技术领域

本发明涉及一种航天器姿态控制方法，具体讲是涉及一种航天器大角度姿态控制参数优化方法，其属于宇航控制技术领域。

背景技术

许多空间任务要求航天器姿态角度变化范围大，姿态角速度变化剧烈，因此航天器在完成诸如空间任务对接、初始定向、姿态捕获等空间飞行任务时，要求航天器具有进行大角度姿态快速机动能力而且功耗要小。此外由于系统存在干扰力矩、重力梯度、大气气动参数等不确定因素，控制器的鲁棒性也是应该需要考虑的问题。

相对于传统的基于进化算法处理方法，粒子群算法对于解决多目标优化问题有很大的优势。首先算法具有高效的全局搜索能力非常适合于求解复杂相对较高而可行域相对较小的多目标问题，因为算法采用全局搜索模式，可以同时搜索多个非劣解，有利于形成非劣最优解集；其次，PSO算法对寻优对象要求简单，本身复杂度较低，因此适应性较强，可处理多类型的多目标优化和带约束问题，也易于与传统方法结合改善自身性能。目前对于多目标粒子群优化算法的研究是粒子群算法优化的一个研究重点领域。特别是基于Pareto思想的多目标粒子群算法是研究的热点，衍生出了众多求解多目标问题的粒子群优化新算法。

航天器控制器都包括多个设计参数,且参数之间存在一定的耦合关系,参数的选择决定了控制器的性能。对控制器参数设计中,以往大多依赖于设计者的经验来选择设计选取参数，这给实际应用带来了很大的不便。

发明内容

本发明的目的在于提出一种基于多目标粒子群算法的航天器大角度姿态控制参数优化方法，其在控制力矩约束条件下得到一组最优控制器参数，使得航天器姿态机动能既稳定快速又低能耗。并且将控制器参数选择问题转化为相应的优化问题来求解，采用成型的优化算法进行设计，不依赖设计者的经验，可移植性好。

为了实现上述目的，本发明所采用的技术方案为一种航天器大角度姿态控制参数优化方法，其具体步骤如下：

步骤1、种群粒子最初值选取。

步骤2、种群粒子优劣度评价。

步骤3、整个种群历史最优值更新。

步骤4、更新种群粒子。

步骤5、优化继续或终止判定，若继续优化转至步骤2，否则优化终止获得最优解。

所述步骤1中依据航天器大角度姿态控制参数的实际情况，随机选取微粒的初始位置和速度,根据控制器参数k₁、k₂、k₃、k的取值范围调整微粒的初始位置和速度。

所述控制器参数的取值范围由航天器大角度姿态控制的整体框架确定。

所述步骤2为对种群中每个微粒个体的适应度值进行评价；基于航天器大角度姿态控制的方法和相应的模型，构造适应度评价函数如下：

其中λ₁和λ₂为可变权重系数，λ₁+λ₂＝1；W为航天器姿态控制过程的功耗，T为达到期望姿态所用时间。用矩阵ParSwarm记录当前的每个粒子位置、速度和适应度值。

所述步骤3中，对于每个微粒将其当前适应度值与自身所经历过的最好位置的适应度值进行比较,若较好(适应度评价函数值小),则将其作为当前自身的最优位置，将此位置以及其对应的适应度值记录在矩阵OptSwarm；然后再对每个微粒,将其当前适应度值与整个群体所经历过的最好位置的适应度值进行比较,若较好(适应度评价函数值小),则将其作为当前的全局最优位置，将此位置和其对应的适应度值记录在矩阵OptSwarm。

所述步骤4中，用粒子位置和速度更新方程更新粒子的位置和速度：