基于粒子群寻优的运载火箭姿态控制参数优化方法和装置与流程

本申请涉及运载火箭控制，尤其涉及一种基于粒子群寻优的运载火箭姿态控制参数优化方法和装置。

背景技术：

1、可重复使用运载火箭是人类实现天地往返运输等大规模、低成本进出空间运输系统的重要途径。由于运载火箭的控制系统中可调整的姿态控制参数较多、约束条件多，设计过程较为繁琐，设计师需要长时间的反复调试设计才能获取符合系统裕度指标的设计结果。尤其当进行火箭构型重新论证、增加部分功能而重新设计时，姿态控制参数就需要随火箭动力学模型的变化而不断调整，设计高维控制参数不仅耗费了设计师的大量时间精力，而且不能完全保证依靠经验设计出的参数的有效性，这直接限制了运载火箭姿态控制系统设计效率。

2、因此，如何智能地准确地设计运载火箭的姿态控制参数成为业界亟待解决的技术问题。

技术实现思路

1、本申请提供一种基于粒子群寻优的运载火箭姿态控制参数优化方法和装置，用于解决如何智能地准确地设计运载火箭的姿态控制参数的技术问题。

2、本申请提供一种基于粒子群寻优的运载火箭姿态控制参数优化方法，包括：

3、建立运载火箭的闭环姿态控制系统；所述闭环姿态控制系统包括基于刚体动力学方程、晃动动力学方程以及弹性动力学方程建立的耦合动力学模型，以及具有待优化控制参数的姿态控制器；

4、基于所述闭环姿态控制系统的稳定裕度确定多目标优化函数；

5、基于所述待优化控制参数建立粒子群，以最小化所述多目标优化函数为目标，在所述待优化控制参数的解空间中进行迭代寻优；在每次迭代寻优中基于各个粒子与当前最优粒子的粒子相似度动态调整各个粒子的惯性权重，并基于各个粒子的个体学习因子和所述粒子群的群体学习因子对所述惯性权重进行约束；

6、基于迭代寻优结束后的全局最优位置确定最优控制参数。

7、在一些实施例中，所述基于所述闭环姿态控制系统的稳定裕度确定多目标优化函数，包括：

8、将各个稳定裕度的当前值通过预设奖励函数映射为各个稳定裕度对应的奖励值；所述预设奖励函数用于基于各个稳定裕度的当前值与各个稳定裕度的目标值的接近程度，确定各个稳定裕度对应的奖励值；所述奖励值与所述接近程度为正相关关系；

9、基于各个稳定裕度对应的计算权重对各个稳定裕度对应的奖励值进行加权求和，对加权求和结果取反后得到所述多目标优化函数。

10、在一些实施例中，所述稳定裕度包括低频幅值裕度、高频幅值裕度、刚体相位裕度、晃动裕度和弹性裕度中的至少一种。

11、在一些实施例中，所述基于各个粒子与当前最优粒子的粒子相似度动态调整各个粒子的惯性权重，包括：

12、基于各个粒子与当前最优粒子的粒子相似度，确定相似度影响因子；所述相似度影响因子与所述惯性权重为反相关关系；

13、基于当前迭代次数与最大迭代次数的比值，确定迭代进程影响因子；所述迭代进程影响因子与所述惯性权重为反相关关系；

14、基于所述相似度影响因子和所述迭代进程影响因子，动态调整各个粒子的惯性权重。

15、在一些实施例中，所述基于各个粒子的个体学习因子和所述粒子群的群体学习因子对所述惯性权重进行约束，包括：

16、基于各个粒子的个体学习因子和所述粒子群的群体学习因子的均值对各个粒子的惯性权重进行约束。

17、在一些实施例中，所述姿态控制器包括比例控制器、微分控制器和高阶校正网络；所述高阶校正网络为多个二阶陷波器串联组成的高阶滤波器；所述待优化控制参数包括比例增益系数、微分增益系数和所述高阶校正网络中各个二阶陷波器的参数；

18、所述方法还包括：

19、基于各个参数对系统性能影响的重要性，在所述高阶校正网络中各个二阶陷波器的参数中，选择预设数量的参数作为待优化控制参数。

20、在一些实施例中，所述方法还包括：

21、在所述运载火箭的飞行时序中选择多个关键飞行时刻；

22、对相邻两个关键飞行时刻的最优控制参数进行线性插值或者保持不变，确定所述相邻两个关键飞行时刻之间的飞行时刻的最优控制参数；

23、基于各个飞行时刻的最优控制参数，生成覆盖所述飞行时序的控制参数集。

24、本申请提供一种基于粒子群寻优的运载火箭姿态控制参数优化装置，包括：

25、系统构建模块，用于建立运载火箭的闭环姿态控制系统；所述闭环姿态控制系统包括基于刚体动力学方程、晃动动力学方程以及弹性动力学方程建立的耦合动力学模型，以及具有待优化控制参数的姿态控制器；

26、函数确定模块，用于基于所述闭环姿态控制系统的稳定裕度确定多目标优化函数；

27、迭代寻优模块，用于基于所述待优化控制参数建立粒子群，以最小化所述多目标优化函数为目标，在所述待优化控制参数的解空间中进行迭代寻优；在每次迭代寻优中基于各个粒子与当前最优粒子的粒子相似度动态调整各个粒子的惯性权重，并基于各个粒子的个体学习因子和所述粒子群的群体学习因子对所述惯性权重进行约束；

28、参数确定模块，用于基于迭代寻优结束后的全局最优位置确定最优控制参数。

29、本申请提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的基于粒子群寻优的运载火箭姿态控制参数优化方法。

30、本申请提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的基于粒子群寻优的运载火箭姿态控制参数优化方法。

31、本申请提供的基于粒子群寻优的运载火箭姿态控制参数优化方法和装置，采用基于粒子相似度动态调整惯性权重的改进粒子群优化算法，能够高效地在高维参数空间中进行全局寻优，确定姿态控制器的最优控制参数；在每次迭代寻优中根据各个粒子与当前最优粒子的粒子相似度动态调整各个粒子的惯性权重，并基于各个粒子的个体学习因子和粒子群的群体学习因子对惯性权重进行约束，能够智能地平衡算法的全局探索和局部开发能力，有效避免传统优化算法易陷入局部最优的问题，提高了在高维、复杂参数空间中的搜索效率和寻优精度；结合多目标优化函数，确保了优化结果能够在刚体控制、晃动抑制和弹性振动抑制等多个方面达到综合最优；实现了智能地准确地设计运载火箭的姿态控制参数，提高了运载火箭姿态控制系统设计的效率和性能，提高了运载火箭控制系统的稳定性和鲁棒性。

1.一种基于粒子群寻优的运载火箭姿态控制参数优化方法，其特征在于，包括：

2.根据权利要求1所述的基于粒子群寻优的运载火箭姿态控制参数优化方法，其特征在于，所述基于所述闭环姿态控制系统的稳定裕度确定多目标优化函数，包括：

3.根据权利要求1所述的基于粒子群寻优的运载火箭姿态控制参数优化方法，其特征在于，所述稳定裕度包括低频幅值裕度、高频幅值裕度、刚体相位裕度、晃动裕度和弹性裕度中的至少一种。

4.根据权利要求1所述的基于粒子群寻优的运载火箭姿态控制参数优化方法，其特征在于，所述基于各个粒子与当前最优粒子的粒子相似度动态调整各个粒子的惯性权重，包括：

5.根据权利要求1所述的基于粒子群寻优的运载火箭姿态控制参数优化方法，其特征在于，所述基于各个粒子的个体学习因子和所述粒子群的群体学习因子对所述惯性权重进行约束，包括：

6.根据权利要求1所述的基于粒子群寻优的运载火箭姿态控制参数优化方法，其特征在于，所述姿态控制器包括比例控制器、微分控制器和高阶校正网络；所述高阶校正网络为多个二阶陷波器串联组成的高阶滤波器；所述待优化控制参数包括比例增益系数、微分增益系数和所述高阶校正网络中各个二阶陷波器的参数；

7.根据权利要求1至6任一项所述的基于粒子群寻优的运载火箭姿态控制参数优化方法，其特征在于，所述方法还包括：

8.一种基于粒子群寻优的运载火箭姿态控制参数优化装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的基于粒子群寻优的运载火箭姿态控制参数优化方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的基于粒子群寻优的运载火箭姿态控制参数优化方法。