基于分段混合网络策略的联合循环航天器上升阶段在线轨迹规划方法

《Advances in Space Research》:Online trajectory planning method for ascent phase of combined-cycle aerospace vehicle based on segmented hybrid network strategy

【字体: 大 中 小 】 时间:2026年02月02日 来源:Advances in Space Research 3.2

编辑推荐:

  韩文静|蔡远文|于茂尧|韩文婷|于春苗|刘冰琴 中国北京空间工程大学 摘要:复合循环航天器是未来太空运输系统的重要研究方向。然而,其上升轨迹规划面临诸多挑战,包括多种飞行约束、复杂的推进模式转换以及实际飞行中的诸多不确定性。目前,第一阶段复合推进上升阶段的在线轨迹规划仍处于起步阶

  韩文静|蔡远文|于茂尧|韩文婷|于春苗|刘冰琴 中国北京空间工程大学 摘要:复合循环航天器是未来太空运输系统的重要研究方向。然而,其上升轨迹规划面临诸多挑战,包括多种飞行约束、复杂的推进模式转换以及实际飞行中的诸多不确定性。目前,第一阶段复合推进上升阶段的在线轨迹规划仍处于起步阶段,亟需高度可靠且具备实时处理能力的解决方案。本文提出一种基于分段混合网络策略的在线上升轨迹规划方法,该策略整合了Transformer和双向门控循环单元(BiGRU)架构,既保留了Transformer的灵活性和强大的长序列建模能力,又兼具BiGRU出色的实时性能和轻量级特点。其主要创新点包括:对上升过程中所有推进模式(涡轮喷气发动机/冲压发动机/超燃冲压发动机)的耦合与叠加效应进行全面偏差建模;在复杂约束条件下生成离线轨迹数据集;以及采用分段混合网络策略,从飞行数据中提取潜在分布特征,以实现实时控制指令生成。数值实验结果表明,与传统离线GPOPS-II方法相比,所提方法的计算时间减少了94%(降至0.1秒以内)。其精度也高于传统深度神经网络,终端高度和速度的误差分别低于3.64%和3.4%,飞行路径角度误差低于0.093°。这些结果充分证明了所提方法的有效性与优越性。引言:与传统一次性运载火箭不同,复合循环航天器采用吸气式复合循环发动机,从而克服了单一模式推进系统的运行限制。这类航天器可为各种飞行任务提供动力支持,实现在大气层内、近空间及低地球轨道的自由飞行,具有成本低、使用方便且可靠性高的优点。国际上已提出了多种航天器概念,如两级入轨的“桑格”航天飞机、基于SABRE发动机的单级入轨“斯凯隆”航天器,以及采用两级飞行结构的“太空客机”(Kothari等人,2010年;Hellman等人,2016年;Zhou等人,2017年)。近年来,国际上开展了多项复合循环发动机的关键技术测试。2020年,两家美国公司分别对某型TBCC发动机模型进行了高速测试,以及对高推力超燃冲压发动机进行了地面测试。美国的“先进全范围发动机”项目在2021年完成了全尺寸发动机的地面测试,而NASA则通过“高超音速技术项目”对多种涡轮式复合循环发动机技术进行支持。此外,美国还计划在2025年前对经过放大的SABRE发动机进行飞行验证(Wen等人,2023年)。复合循环航天器的上升阶段具有速度范围广、约束条件多、发动机模式多变以及气动/推进耦合强烈的特点(Kanda等人,2003年;Snyder等人,2004年;Bowcutt等人、Huang等人,2014年)。这些特点给轨迹规划带来了巨大挑战,因为传统的设计方法和经验规则已无法满足需求。因此,有必要根据复合循环航天器的独特特性开展专门的轨迹规划研究(Shi等人,2020年;Thomas等人,2009年;Ratnayake等人,2010年;Wen等人,2024年)。此外,为应对实时飞行过程中的不确定性及外部干扰,系统必须能够按需生成新的轨迹,从而提升轨迹规划的可靠性、适应性及快速响应能力。目前,解决复合循环航天器上升阶段轨迹规划问题的主要方法包括间接法、直接法以及凸规划法(Chai等人,2019年)。与间接法相比,直接法的精度相对较低,但它对初始值的依赖性更小,实现更为简单,且在处理两点边值问题时具有更宽的收敛域。在直接法中,配置法、伪谱法以及粒子群优化算法等数值优化方法被广泛用于轨迹规划领域(Wang等人,2019年;Koeppen等人,2019年;Liu等人,2017年;Forbes-Spyratos等人,2019年)。Yang曾利用高斯伪谱法为一种超燃冲压发动机驱动的高超音速飞行器的上升轨迹进行规划,但该研究仅针对约20公里的高度,仅考虑了冲压发动机的亚音速燃烧模式,未涉及多模式推进下的完整上升轨迹问题(Yang等人,2017年)。Jia建立了一种新型的模块化火箭式复合循环低速推力模型,并运用伪谱法为该模型规划上升轨迹,但该研究主要聚焦于0.8至3马赫的低速飞行条件(Jia等人,2019年)。Zhou提出了一种基于改进粒子群优化算法的复合循环航天器轨迹规划方法,旨在降低燃料消耗(Zhou等人,2017年)。不过,这些研究中的推力模型仅限于单一推进模式,且均未涵盖从起飞到入轨的完整上升轨迹。此外,无论是直接法还是间接法,都无法完全满足在线应用对实时性和可靠性的要求。凸规划法因其快速的收敛速度、较高的计算效率以及能够保证全局最优解的特性,被广泛应用于航天器轨迹规划领域(Calabuig等人,2021年;Liu等人,2019年)。为解决采用RBCC推进的复合循环航天器上升阶段的轨迹优化与姿态控制问题,Guo提出了一种基于勒让德伪谱凸优化方法的轨迹优化方案,并将其与自适应滑模引导策略及性能驱动控制相结合,以实现姿态控制(Guo等人,2024年)。然而,复合循环航天器的上升轨迹规划问题具有很强的非凸性,这需要提前进行定制化建模和无损凸化处理,从而限制了凸规划法在不同场景中的广泛应用(Sagliano等人,2021年;Benedikter等人,2021年;Dong等人,2023年;Nicolo Bernardini等人,2024年;Zhang等人,2025年)。目前,关于复合循环航天器上升阶段在线轨迹规划的研究仍处于初期阶段。Zhou提出了一种基于径向基函数神经网络的在线引导法则,虽然该网络具有较高的计算效率,但在处理更复杂的干扰或更高精度要求时,其实时性能可能受到影响(Zhou等人,2020年)。深度神经网络凭借出色的非线性映射能力,已被广泛应用于小行星着陆的在线轨迹规划(Shi等人,2020年;Cheng等人,2020年)、轨道转移规划(Cheng等人,2019年)、高超音速飞行器再入飞行控制(Shi等人,2020年;Li等人,2023年;Chai等人,2020年;Dei等人,2023年)以及运载火箭的上升阶段控制(Wang等人,2022年)。这些应用均利用深度神经网络模型来学习飞行状态与最优控制动作之间的函数关系,从而实现预测性最优控制。然而,与高超音速飞行器和运载火箭相比,复合循环航天器具有多种推进模式,气动/推力特性与飞行状态之间存在强耦合关系,且上升阶段的控制变量曲线极为复杂。传统深度神经网络在处理如此复杂的系统时学习效果较差,无法满足在线轨迹规划所需的精度要求。除了传统的深度神经网络之外,Transformer和双向门控循环单元网络也是两种代表性的神经网络架构。Transformer的核心是自注意力机制,该机制能够捕捉全局依赖关系。通过增加层数、隐藏单元数量以及注意力头数,可以灵活扩展模型的容量,进而提升其捕捉复杂关系的能力。BiGRU则在标准门控循环单元的基础上加入了双向处理机制,从而增强了其理解上下文信息的能力。凭借其门控结构,BiGRU能够在保持结构简单和训练速度快的同时,有效保留历史信息。这两种网络主要被应用于无人机轨迹预测(Yoo等人,2025年)、智能车辆轨迹预测(Mozaffari等人,2022年)、船舶航迹预测(Wang等人,2024年)以及再入飞行引导领域(Song等人,2022年)。Chen提出了一种基于BiGRU和轨迹方向向量注意力机制的船舶轨迹预测方法,旨在解决自动识别系统数据中由于轨迹灵活多变及存在噪声而导致的预测精度低、稳定性差的问题(Chen等人,2023年)。Song则基于Time to Vector算法和Transformer开发了一种侧滑角预测器,该预测器能够有效捕捉高超音速飞行器再入飞行引导过程中的时间序列特征,从而提高预测精度和实时性能(Song等人,2022年)。不过,目前无论是Transformer还是BiGRU都尚未被应用于复合循环航天器上升阶段的轨迹规划。表1对各类代表性的轨迹规划方法进行了全面概述,详细介绍了它们的研究对象、适用飞行阶段、方法论以及存在的不足。显然,针对复合循环航天器的在线轨迹规划研究较少,而多推进模式下的完整上升轨迹问题也几乎未被探索。因此,迫切需要为这类航天器在上升阶段开发一种高度可靠且具备实时处理能力的在线轨迹规划方法,最好能借助深度神经网络的优势,以获得更高的精度和更好的拟合效果。本文提出了一种基于分段混合网络设计策略的在线轨迹规划方法。该研究以水平起飞的两级入轨复合循环航天器为研究对象,采用三阶段研究思路:首先建立上升轨迹优化的数学模型,在复杂约束条件下通过直接法离线规划上升轨迹;然后综合考虑气动不确定因素和推力偏差,生成多条轨迹作为网络的训练样本;最后分段设计状态控制网络模型,分别利用Transformer-BiGRU网络和BiGRU网络实时预测控制变量,从而实现在线轨迹规划。数值仿真结果表明,本文提出的方法能够适应一定范围内的气动不确定因素和推力偏差,其终端精度高于传统深度神经网络方法,且具备更强的鲁棒性。与现有的在线轨迹规划方法相比,本文具有以下创新点:(1)解决多模式规划难题:针对复合循环航天器上升阶段的在线轨迹规划问题,该问题具有多种优化约束、模型耦合性强以及在多模式推进转换过程中不确定性高的特点。(2)全面的参数偏差建模:充分考虑了整个上升阶段内各种复杂推进模式之间的耦合与叠加效应,这些推进模式包括涡轮喷气发动机、冲压发动机、超燃冲压发动机以及液体火箭发动机。(3)分段混合网络策略:提出了一种基于Transformer和BiGRU的分段式网络结构,该结构根据航天器两个阶段的独特推进特性进行设计,从而实现了高精度、强灵活性以及良好的实时性能。本文的结构安排如下:第二部分建立了复杂约束条件下复合循环航天器上升阶段的优化数学模型;第三部分介绍了基于Transformer和BiGRU网络的分段混合在线轨迹规划方法,包括离线轨迹生成和离线网络训练流程;第四部分详细展示了数值仿真结果,包括对单个样本的拟合精度评估、在线轨迹生成的验证以及与传统深度神经网络方法的对比分析,充分证明了所提方法的优异效果和强大鲁棒性;第五部分对全文进行了总结。问题阐述:本研究以一种水平起飞的两级入轨复合循环航天器为研究对象。该航天器的第一阶段采用涡轮式复合循环推进系统,这种系统具有比冲高、推重比优异以及飞行包线宽广等优点。第二阶段则采用液体火箭发动机。与单级入轨系统相比,这种设计方案对结构质量比和发动机性能的要求相对较低。图1展示了该航天器的任务流程图。总体设计方案:本文提出了一种基于Transformer和BiGRU网络的分段式在线轨迹优化方法,其结构示意图如图4所示。该方案的基本思路如下:1)基于参数偏差模型的离线轨迹生成:在直接法框架下,本文利用伪谱法将复合循环推进航天器的上升轨迹优化问题转化为一个非线性规划问题。数值仿真:本文的数值仿真是在一台配备有Intel(R) Core(TM) Ultra 9 185H处理器、主频为2.50GHz且内存容量为32GB的电脑上进行的。GPOPS-II的软件环境为MATLAB R2020a,而用于训练Transformer-BiGRU网络和BiGRU网络的软件环境则为PyCharm2020.3。结论为满足水平起飞、多次入轨的联合循环航天器在上升阶段进行实时高精度在线轨迹规划的需求,本文提出了一种基于分段混合网络设计策略的在线轨迹规划方法。首先,考虑到上升阶段的高度非线性动力学特性、强耦合效应以及复杂的约束条件,建立了相应的轨迹规划模型。其次,为解决现有方法的适应性较差问题……
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号