[发明专利]基于改进PIO算法的卫星姿态动态规划方法

摘要

本发明公开了基于改进PIO算法的卫星姿态动态规划方法，属于卫星姿态控制的技术领域。本发明在地图指南针迭代演化阶段考虑了个体与种群中其它优秀个体的联系，增加了个体因子和通信因子，增加了激活因子来解决算法陷入局部最优解的问题，并增加了适应度函数的参考指标，实现了改进PIO算法在规划过程中的动态监测；在地图指南针迭代演化阶段，重点参考群体中优秀个体信息来更新局部最优个体和全局最优个体，考虑非威胁区域姿态特点对算法整体规划效果的重要影响，对同一范围内不同位置的个体分别建立适应度函数，细化了评价标准，防止误判，使算法辨别优秀个体的性能进一步提升。

主权项

1.基于改进PIO算法的卫星姿态动态规划方法，其特征在于，以鸽群数量、搜索维度、卫星初始姿态及规划目标姿态、指南针算子迭代次数、最大迭代次数、威胁区域中心坐标、威胁区域半径、威胁区域威胁程度为PIO算法的初始参数，指南针算子迭代演化阶段：将卫星姿态及动态搜索范围分别映射为个体位置及速度，在每次迭代过程中分别选出每只个体在当前迭代过程中的局部最优姿态以及所有个体在当前迭代过程中产生的全局最优姿态，并引入表示个体对之前迭代过程产生的最优结果的认可与学习的个体因子以及表示个体对鸽群整体在之前迭代中所产生的精英个体学习的通信因子，迭代更新个体的位置和速度，在适应度变化率超出判定门限且未达本阶段迭代次数设定值时进行个体位置和速度的下一轮更新，在适应度变化率未达判定门限值时启动激活因子动态调整搜索范围并在调整后的搜索范围内进行地图指南针算子迭代并在当前迭代次数达设定值时进入地标算子迭代演化阶段，所述激活因子是服从均值为0且方差为适应度变化率倒数的正态分布的绝对值函数，所述指南针算子描述为：其中，x(T)、V(T)分别表示任意个体在第T次迭代过程中演化出的位置与速度，x(T+1)、V(T+1)分别表示任意个体在第T+1次迭代过程中演化出的位置与速度，e₁、e₂分别为个体因子和通信因子，inv为激活因子，inv～|N(0,ε)|，ε为方差，x_p为在第T次迭代过程中个体的局部最优姿态，x_g为所有个体在第T次迭代过程中产生的全局最优姿态，R表示地图指南针算子，R∈[0，1]；地标算子迭代演化阶段：启动地标算子并更新局部最优个体和全局最优个体，确定当前迭代过程中的鸽群中心并剔除远离鸽群中心的个体，直至当前迭代次数达到本阶段迭代次数设定值时输出规划结果，每次迭代过程中计算适应度的函数为：其中，threat_in^j(i)、w₁为第i只个体进入威胁区域j时的威胁度及其权值，threat_out^j(i)、w₂为第i只个体在威胁区域j外时的威胁度及其权值，distance(i)、w₃为第i只个体规划路径的整体距离消耗对整体规划距离的影响程度及其权值，deviate^k(i)、w₄为第i只个体所规划路径中的节点k在大范围非威胁区域相对于最优规划路径的分离程度及其权值，w₁+w₂+w₃+w₄＝1，J为威胁区域的数目，N为第i只个体所规划路径中在大范围非威胁区域偏离最优规划路径的节点总数。