[发明专利]一种航天器抵近操作路径规划方法

说明书

本发明公开了一种航天器抵近操作路径规划方法，包括：确定路径规划中的障碍类型；对航天器抵近路径规划问题进行算法描述和约束分析，生成采样状态空间；对采样状态空间进行椭圆化处理；对椭圆化处理后的采样状态空间进行安全性分析；对经过安全性分析后的采样状态空间应用基于采样的路径规划算法，得到离散采样状态序列；对离散采样状态序列进行连续化处理，得到航天器抵近操作的路径。本发明针对在轨服务航天器抵近操作空间目标的路径规划问题，通过将安全性分析提到路径规划的给定条件中，可以大大简化路径规划的循环过程，提高路径规划效率，有效解决了采样空间本身的高维性和不确定性的影响，改善路径规划算法的性能。

技术领域

本发明涉及一种航天器抵近操作路径规划方法，属于航空航天技术领域，用于在轨服务航天器抵近操作目标的路径规划。

背景技术

路径规划是指生成一个决策的序列，将目标从给定的初始状态安全地引导到目标状态。路径规划在机器人领域应用十分广泛，积累了大量的研究成果。这些路径规划算法的框架是通用的，因此这些研究成果可以被应用到卫星的路径规划上。路径规划大致可以分为两类：一类是几何完备型的，又称精确路径规划；另一类是概率完备型的，就是在有解的情况下，当样本点数目趋于无穷大，找到解的概率趋于100％，也称作基于采样的路径规划。

精确路径规划通常直接在状态空间上进行规划，以深度优先寻路算法、广度优先寻路算法、D算法为始祖，以A*算法最为常用。其优势在于它对系统解的捕获能力是完全的，但是由此产生的缺点就是算法复杂度较大。这种缺点在低维空间上并不明显，但是在大尺度，尤其是高维空间规划问题上，将带来巨大的计算代价。由于实际工作空间到状态空间的映射是非线性的，在状态空间中表征障碍和约束是十分麻烦的，通常的做法是对空间进行离散化，对离散后的各部分进行检测，但正如前面所讲，这种离散在低维空间还好，在高维空间将带来难以想象的复杂计算。因此，当状态空间维数大于3时，精确路径规划基本就没有实用价值了，也直接促使了第二类路径规划算法的产生。

基于采样的路径规划一般不直接在状态空间内进行规划，而是通过在状态空间中随机布置一定密度的样本空间来逼近原始状态空间进行辅助规划。这类规划也分成两种：一种是基于图的路径规划，如概率路线图(PRM)算法及其改进就是在原始空间内进行撒点，抽取路线图，在这样一个拓扑地图上进行规划；另一种是基于树的路径规划，如快速探索随机树(RRT)算法及其改进则是在状态空间内每步随机撒一个点，以迭代生长树的方式，以连接起止点为目的，最后在连接的图上进行规划。无论是基于图还是基于树，它们均不需要考虑障碍物在空间中的分布情况，而是采用碰撞检测函数对几个随机采样点进行碰撞检测，规划速度相当快，在任意维数的空间中都可以使用，特别是在高维空间路径规划中得到了广泛应用。

对接触消旋而言，在轨服务卫星需要抵近到目标附近操作，这将会带来很大的不确定性风险，需要平台具备近乎实时的规划能力以及随时中止任务的可行性，以便平台能够快速安全地应对各种不确定性影响。由于在状态空间中表征障碍和约束的计算复杂性，精确路径规划通常仅限于低维度和简单形状障碍；而基于采样的路径规划不需要对障碍和约束进行显式表达，而是通过结合搜索的采样程序探索路径，并通过碰撞检测程序进行安全验证。这种处理方式，使得路径规划问题与实际物理几何问题分离，大大加快了规划速度，但相对应的，提升规划速度的代价是基于采样的方法得到的解是可行解，而不是最优解。虽然只是可行解，但考虑到概率的渐进最优特征，这个可行解会收敛到最优解上，也就是说，随着采样数量的增加，生成的规划路径会逐渐逼近最优路径，因此，基于采样的路径规划得到的是渐进最优的可行解。