基于采样的在轨服务航天器轨迹规划研究.pdf

《基于采样的在轨服务航天器轨迹规划研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于采样的在轨服务航天器轨迹规划研究RESEARCHONTRAJECTORYPLANNINGOFON-ORBITSERVICESPACECRAFTBASEDONSAMPLING程敏哈尔滨工业大学2018年6月国内图书分类号：V249.3学校代码：10213国际图书分类号：621密级：公开工程硕士学位论文基于采样的在轨服务航天器轨迹规划研究硕士研究生：程敏导师：关英姿教授申请学位：工程硕士学科：航天工程所在单位：航天学院答辩日期：2018年6月授予学位单位：哈尔滨工业大学ClassifiedI

2、ndex:V249.3U.D.C.:621DissertationfortheMasterDegreeinEngineeringRESEARCHONTRAJECTORYPLANNINGOFON-ORBITSERVICESPACECRAFTBASEDONSAMPLINGCandidate：ChengMinSupervisor：Prof.GuanYingziAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：AerospaceEngineeringA

3、ffiliation：SchoolofAstronauticsDateofDefence：June,2018Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工程硕士学位论文摘要航天器近距离相对运动的轨迹规划是航天器自主在轨服务的一项核心技术，其难点在于实现其自主性与实时性。为了解决小推力航天器追踪非合作目标的轨迹快速规划问题，可以采用基于采样的规划方法来实现在轨服务航天器的自主轨迹快速规划。本文按照先从基本算法研究再到实际应

4、用的顺序，分别研究了针对脉冲推力和连续推力的在轨服务航天器的轨迹规划问题的解决方法。主要包括以下研究内容：首先，简单介绍了经典的快速扩展随机树（Rapidly-exploringRandomTree*，RRT*）算法，分析了其存在的局限性。在此基础上，通过对原算法在搜索方式、采样策略、度量函数和代价函数等方面的改进，给出了一种计算效率更高、最优性更好的改进RRT*算法，并证明了改进RRT*算法的概率完备性、快速收敛性和渐进最优性。其次，针对具有脉冲小推力的在轨服务航天器的轨迹规划问题，通过两种不同障碍分

5、布情况建立了共面轨道规划环境模型。对RRT、RRT*以及改进的RRT*算法进行了仿真实验，验证了改进RRT*算法可以解决基于脉冲小推力模式的在轨服务航天器轨迹规划问题，并通过仿真实验证明了改进RRT*的基本性质。最后，针对前面改进的RRT*算法不能实现基于连续小推力模式的在轨服务航天器的轨迹规划的渐进最优性问题，通过简化Steer函数、选取最佳优选点和基于新节点的局部最优化的修剪等措施对RRT*进行了改进，实现对具有动力学约束的航天器渐进最优的轨迹规划。本文还给出了一种基于滚动时域思想的RRT*轨迹规划

6、方法以应对未知障碍的出现或其他突发事件。最后通过RRT*算法和新改进的RRT*算法的对比实验，验证了新改进的RRT*算法对连续推力模式的航天器轨迹规划问题的适用性。关键词：在轨服务；轨迹规划；采样规划；RRT*算法I哈尔滨工业大学工程硕士学位论文AbstractThetrajectoryplanningofspacecraftnear-distancemotionisacoretechnologyofspacecraft'sautonomousorbitservice,itsdifficultylies

7、initsautonomyandreal-time.Aimingatthetrajectoryplanningofthesmallthrustspacecrafttrackingthenon-cooperativetarget,theautonomoustrajectoryplanningofthespacecraftcanberealizedbyusingthesamplingplanningmethod.Accordingtotheorderofthebasicalgorithmandtheprac

8、ticalapplication,thispaperstudiesthetrajectoryplanningproblemoftheorbitservicespacecraftfortheimpulsethrustandthecontinuousthrustrespectively.Mainlyincludesthefollowingresearchcontent:Firstly,theclassicalrapidly-exploringR