[发明专利]基于局部配点法和神经网络的入轨能力评估与轨迹重构方法

说明书

本发明公开了一种基于局部配点法和神经网络的入轨能力评估与轨迹重构方法，步骤如下：(1)局部配点法轨迹优化得到运载火箭无故障条件下入轨最优轨迹；(2)对动力故障进行逻辑分类，采用神经网络模型对离线仿真得到的大量数据库进行训练学习，建立动力故障与任务能力之间的映射关系；(3)针对任意预定的动力故障模式，根据前述建立的故障模式与火箭任务能力之间的映射关系，评估火箭当前任务能力。本发明实现运载火箭推力下降时入轨能力评估和在线轨迹重构，提高了发射任务的成功率。

技术领域

本发明属于飞行动力学领域，具体涉及一种基于局部配点法和神经网络的入 轨能力评估与轨迹重构方法。

背景技术

运载火箭是发展空间技术、开发空间资源、确保空间安全的基础，是航天运 输系统的主要组成部分，是牵动航天产业发展的龙头。运载火箭的控制系统是导 航、制导、姿态控制、系统综合等各部分的总称，是运载火箭的大脑和神经中枢。 可以说控制系统的技术水平直接决定了发射任务是否成功，同时也对运载能力是 否得到最大限度的发挥有着至关重要的作用。现有的制导控制体制依靠系统的冗 余容错、姿控系统的幅值和相位裕度来包容全箭出现故障引起的小偏差问题，其 控制方法成熟可靠，能满足现有任务要求。在小偏差范围内具有一定的稳定性， 可以保证有效载荷顺利入轨；但在全箭飞行过程中出现较大的非致命故障(比如 助推器故障)时，不能更好地适应。因此需要研究可靠性更高、面对故障适应性 更强的新型火箭智慧控制系统。

动力系统故障是火箭故障类型中的一类常见故障，现有研究都有针对动力系 统非灾难故障的制导技术研究。目前，我国的运载火箭还不具备类似能力，因此 有必要开展动力故障下的上升轨迹重构技术研究，提高火箭的自主飞行能力。而 神经网络具有良好的非线性拟合能力，理论上可以逼近任意非线性函数，训练完 成后网络可在线执行，因而广泛用于在线辨识未知函数或系统。

发明内容

发明目的：本发明的目的是提出一种基于局部配点法和神经网络的入轨能力 评估与轨迹重构方法，使运载火箭在发生动力故障后能够快速进行自我评估，判 断是否有任务能力，在满足各类约束的条件下，重新规划一条新的轨迹。

技术方案：本发明所述的一种基于局部配点法和神经网络的入轨能力评估与 轨迹重构方法，包括以下步骤：

(1)建立运载火箭上升轨迹优化问题，对所述轨迹优化问题进行求解，得 到一条参考轨迹；

(2)对不同故障运载火箭进行离线仿真分析，利用局部配点法进行轨迹优 化，建立运载火箭进入目标轨道和次级轨道的离线轨迹数据库；

(3)采用神经网络学习轨迹数据库，建立推力下降故障与入轨能力之间的 映射关系；针对任意预定的动力故障模式，根据映射关系，评估火箭当前任务能 力；如果火箭还具有任务能力，则在任务能力范围内，根据预置的偏好，重新调 整目标任务，采用在线规划方法重新规划上升轨迹。

进一步地，所述步骤(1)实现过程如下：

运载火箭上升轨迹优化问题的目标函数为：

minJ＝-m_f

其中，J为轨迹优化的目标函数；m_f为运载火箭在t_f时刻的质量；t_f运载 火箭芯级关机时刻；

运载火箭的状态方程如下：