[发明专利]一种航天器大角度姿态控制参数优化方法

摘要

本发明设计了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。本发明用Lyapunov方法的大角度姿态控制器参数模型，采用基于权重系数的多目标粒子群算法优化，以控制器的参数为变量，将控制力矩作为约束条件，以时间和功耗最优作为目标进行优化。该方法着重解决的问题是，在满足控制力矩输出约束条件下，能够得到一组较优的控制器参数，使得控制系统收敛速度更快且具有低功耗的性能特点。将控制器参数选择问题转化为相应的优化问题求解，采用成型的优化设计算法进行设计，改变了以往单纯依靠设计者的经验的不良现状。

主权项

一种航天器大角度姿态控制参数优化方法，其特征在于：其采用Lyapunov方法的大角度姿态控制器参数模型，采用基于权重系数的多目标粒子群算法优化，以控制器的参数为变量，将控制力矩作为约束条件，以时间和功耗最优作为目标进行优化；在满足控制力矩输出约束条件下，得到一组较优的控制器参数组合，实现航天器大角度姿态控制参数优化；其具体过程如下：步骤1、种群粒子最初值选取；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；步骤2、种群粒子优劣度评价；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记录种群每个粒子当前的位置、速度和适应度值。步骤3、整个种群历史最优值更新；对于矩阵ParSwarm中的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,若适应度评价函数值小,则将其作为当前自身的最优位置，将其速度、位置和适应度值记录在矩阵OptSwarm；然后再对矩阵ParSwarm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,若适应度评价函数值小,则将其作为当前的全局最优位置，将其自身最优位置和对应的自身最佳适应度值、全局最优位置和对应的最佳的全局适应度值分别记录在矩阵OptSwarm；步骤4、更新种群粒子；用粒子位置和速度更新方程更新种群中每个粒子的位置和速度，其更新方程为：${\mathrm{\υ}}_{\mathrm{id}}^{k+1}=\mathrm{\ω}{\mathrm{\υ}}_{\mathrm{id}}^k+c_1\mathrm{\ξ}({\mathrm{\ρ}}_{\mathrm{id}}^k-{\mathrm{\χ}}_{\mathrm{id}}^k)+c_2\mathrm{\η}({\mathrm{\ρ}}_{\mathrm{gd}}^k-{\mathrm{\χ}}_{\mathrm{id}}^k)$${\mathrm{\χ}}_{\mathrm{id}}^{k+1}={\mathrm{\χ}}_{\mathrm{id}}^k+\mathrm{\γ}{\mathrm{\υ}}_{\mathrm{id}}^{k+1}$其中，ω是保持原来速度的系数，С₁是粒子跟踪自己历史最优值的权重系数，С₂是粒子跟踪群体最优值的权重系数，ξ和η是[0,1]区间内均匀分布的随机数；γ是做约束因子；步骤5、优化继续或终止判定：若满足连续迭代若干代的种群最优解间差值小于给定门限值或程序迭代次数达到预设最大迭代次数，优化终止获得种群最优解，将种群最优解作为方法最终解；否则返回步骤2继续进行优化计算。