1.一种基于智能优化预测控制的卫星编队队形保持方法,其特征在于:包括以下步骤:S1、引入考虑J2摄动的卫星编队相对动力学模型;
S2、设计智能预测控制器,该控制器将自适应主从式并行遗传算法与传统的预测控制策略相结合;
S3、利用智能预测控制器,滚动优化求解控制量,实现卫星编队队形控制。
2.根据权利要求1所述的一种基于智能优化预测控制的卫星编队队形保持方法,其特征在于:S1中,考虑J2摄动的卫星编队相对动力学模型如下:其中:
式中,ux、uy、uz分别表示x、y、z方向的控制力,fx、fy、fz分别描述的是主从卫星在x、y、z三个方向的相对J2摄动,R表示从卫星的地心距,地球引力常数为μe=3.986×105,Rc为参考星的轨道半径,ac为参考星的轨道半长轴,ec为参考星的轨道偏心率,f为真近点角,θ为纬度幅角,i为轨道倾角,Re为地球半径。
3.根据权利要求2所述的一种基于智能优化预测控制的卫星编队队形保持方法,其特征在于:S2包括以下具体步骤:步骤S21、获取卫星编队的当前状态 以及上一时刻推力器控制量u=[ux uy uz]T,确定预测控制器参数,包括预测时域Np、控制时域Nc、误差权重矩阵Q和控制加权矩阵R;
步骤S22、确定染色体的组成,染色体由预测控制参数Np、Nc、Q、R构成;
步骤S23、根据优化问题特性,选取公式(4)作为目标函数,min J=[Y(k)-Yref]TQ[Y(k)-Yref]+ΔUT(k)RΔU(k) (4)s.t.η(k+1)=Akη(k)+Bku(k)
-umax≤u(k+j)≤umax,j=0,1,2,…,Nc-1其中,J表示公式(4)的目标函数值,ΔU(k)表示控制时域内的控制增量,Y(k)表示系统的预测输出,Yref为给定的参考轨迹,η(k+1)=Akη(k)+Bku(k)为所考虑的J2摄动的卫星编队模型的线性离散化形式,其中η(k)表示卫星当前状态η的离散化形式,u(k)表示推力器控制量u的离散化形式,Ak,Bk分别表示卫星编队模型线性离散化后的系数矩阵。umax表示推力器的最大控制量输出,Nc,Np分别表示控制时域和预测时域,它们满足Nc≤Np,通过调节误差权重矩阵Q和控制加权矩阵R的权值,可以使系统获得理想的性能。
相应地,适应度函数选择如下:
其中,N表示种群中个体的数目,Jk表示第k个染色体的目标函数值,fk表示第k个染色体的适应度值。
步骤S24、采用自适应主从式并行遗传算法,进行预测控制参数优化;
步骤S25、针对考虑J2摄动的卫星编队模型,将优化得到的预测控制参数输出到设计的预测控制器中,完成对公式(4)的求解;
步骤S26、在每一采样时刻,重复步骤S21~S25,实现了具备实时调节预测控制参数功能的智能预测控制器的设计。
4.根据权利要求3所述的一种基于智能优化预测控制的卫星编队队形保持方法,其特征在于:S21中,预测时域Np的范围是[5 12]、控制时域Nc的范围是[1 5]、误差权重矩阵Q对角线元素的范围是[40 60]以及控制加权矩阵R对角线元素的范围是[70 90]。
5.根据权利要求3所述的一种基于智能优化预测控制的卫星编队队形保持方法,其特征在于:S24的具体步骤为:首先,采用浮点数编码,随机产生初始种群,种群规模Size=30、最大迭代次数G=40,并将其划分为数量相等的n个子种群;
其次,各子种群同时对各自种群中的个体进行适应度函数计算,待各子种群适应度计算完毕后,将所有子种群中计算得到的适应度值统一收集;
然后,基于公式(6)和公式(7)中的自适应交叉、变异概率,采用常规遗传算法进行选择、交叉、变异操作,其中pc为自适应交叉概率,fmax为当前种群最大适应度,f′为待交叉个体中较大的适应度值,fave为种群平均适应度。
其中pm为自适应变异概率,fmax为当前种群最大适应度,f为待变异个体适应度,fave为种群平均适应度。
最后,判断是否达到最大迭代次数,如果没有达到最大迭代次数,则重复步骤S24;否则,停止算法,输出最大适应度值对应的预测控制参数。
6.根据权利要求5所述的一种基于智能优化预测控制的卫星编队队形保持方法,其特征在于:S25的具体步骤为:首先,将离散化模型(8)转换为关于Δu的状态空间表达式(9):η(k+1)=Akη(k)+Bku(k) (8)其中:Ak=I+TA,Bk=TB,T为采样周期,η(k)为卫星当前状态η的离散化形式,u(k)为推力器控制量u的离散化形式,Ak,Bk分别为卫星编队模型线性化后的系数矩阵。
其中: y(k)为
系统的预测输出,I为单位矩阵,Δu(k|k)为k时刻推力器的控制增量。
基于步骤S24优化得到的预测控制器参数,包括预测时域为Np和控制时域为Nc,预测时域内未来一段时间的输出为:Y(k)=ψkε(k|k)+θkΔU(k) (10)其中:
预测时域内系统输出 控制时域内的控制增量
Δu(k+Nc-1|k)表示k时刻对k+Nc-1时刻控制增量的预测,将公式(4)转化为QP形式:通过最小化目标函数(12),获得控制约束条件下的最优控制增量,min J=ΔU(k)THΔU(k)+FTΔU(k) (12)其中, E=ψkε(k|k)-Yref,Q和R均通过步骤S24获得。
相应的,执行机构的控制输入约束,可以被转化为关于控制增量的不等式约束:式中:
表示
克罗内克积。
7.根据权利要求6所述的一种基于智能优化预测控制的卫星编队队形保持方法,其特征在于:S3中,卫星在控制力作用下,从初始轨道(x0,y0,z0)逐渐向期望轨道(xref,yref,zref)转移,并始终保持在期望轨道运行,从卫星的期望相对运动轨迹为: