[发明专利]一种基于智能优化预测控制的卫星编队队形保持方法

权利要求书

1.一种基于智能优化预测控制的卫星编队队形保持方法，其特征在于：包括以下步骤：

S1、引入考虑J₂摄动的卫星编队相对动力学模型；

S2、设计智能预测控制器，该控制器将自适应主从式并行遗传算法与传统的预测控制策略相结合；

S2包括以下具体步骤：

步骤S21、获取卫星编队的当前状态以及上一时刻推力器控制量u＝[u_x u_y u_z]^T，确定预测控制器参数，包括预测时域N_p、控制时域N_c、误差权重矩阵Q和控制加权矩阵R；

步骤S22、确定染色体的组成，染色体由预测控制参数N_p、N_c、Q、R构成；

步骤S23、根据优化问题特性，选取公式(4)作为目标函数，

min J＝[Y(k)-Y_ref]^TQ[Y(k)-Y_ref]+ΔU^T(k)RΔU(k) (4)

s.t.η(k+1)＝A_kη(k)+B_ku(k)

-u_max≤u(k+j)≤u_max,j＝0,1,2,…,N_c-1

其中，J表示公式(4)的目标函数值，ΔU(k)表示控制时域内的控制增量，Y(k)表示系统的预测输出，Y_ref为给定的参考轨迹，η(k+1)＝A_kη(k)+B_ku(k)为所考虑的J₂摄动的卫星编队模型的线性离散化形式，其中η(k)表示卫星当前状态η的离散化形式，u(k)表示推力器控制量u的离散化形式，A_k，B_k分别表示卫星编队模型线性离散化后的系数矩阵，u_max表示推力器的最大控制量输出，N_c，N_p分别表示控制时域和预测时域，它们满足N_c≤N_p，通过调节误差权重矩阵Q和控制加权矩阵R的权值，可以使系统获得理想的性能，

相应地，适应度函数选择如下：

其中，N表示种群中个体的数目，J_k表示第k个染色体的目标函数值，f_k表示第k个染色体的适应度值；

步骤S24、采用自适应主从式并行遗传算法，进行预测控制参数优化；S24的具体步骤为：

首先，采用浮点数编码，随机产生初始种群，种群规模Size＝30、最大迭代次数G＝40，并将其划分为数量相等的n个子种群；

其次，各子种群同时对各自种群中的个体进行适应度函数计算，待各子种群适应度计算完毕后，将所有子种群中计算得到的适应度值统一收集；

然后，基于公式(6)和公式(7)中的自适应交叉、变异概率，采用常规遗传算法进行选择、交叉、变异操作，

其中p_c为自适应交叉概率，f_max为当前种群最大适应度，f′为待交叉个体中的适应度值，f_ave为种群平均适应度；

其中p_m为自适应变异概率，f_max为当前种群最大适应度，f为待变异个体适应度，f_ave为种群平均适应度；

最后，判断是否达到最大迭代次数，如果没有达到最大迭代次数，则重复步骤S24；否则，停止算法，输出最大适应度值对应的预测控制参数；

步骤S25、针对考虑J₂摄动的卫星编队模型，将优化得到的预测控制参数输出到设计的预测控制器中，完成对公式(4)的求解；

步骤S26、在每一采样时刻，重复步骤S21～S25，实现了具备实时调节预测控制参数功能的智能预测控制器的设计；

S3、利用智能预测控制器，滚动优化求解控制量，实现卫星编队队形控制。