运载火箭在线轨迹优化方法
定价：￥130.00
作者： 泮斌峰
出版时间：2026-07
出版社：科学出版社
- 科学出版社
- 9787030852922
- 1版
- B5
- 2026-07
作者简介
内容简介
本书面向运载火箭快速、机动、廉价、可靠的发展目标，聚焦收敛性好、计算速度快、求解精度高、通用性强的在线轨迹优化设计与应用，系统、全面地介绍运载火箭在线轨迹优化技术所涉及的基本理论、基本框架、基本方法和求解流程，并提供较为丰富的轨迹优化应用案例。主要内容有：运载火箭轨迹优化研究现状；轨迹优化建模与在线轨迹优化设计思路；基于可行解的改进模型预测静态规划方法；基于最优解的降维序列凸优化方法；基于不精确修复的可行序列凸优化方法等；基于高斯同伦的平滑序列凸优化方法；基于NURBS的序列凸优化方法。
目录
一、运载火箭轨迹优化研究现状
1.1 间接法
1.2 直接法
1.2.1 伪谱法
1.2.2 凸优化/序列凸优化
1.2.3 模型预测静态规划
1.3 小结
二、运载火箭轨迹优化建模和快速轨迹优化设计思路
2.1 火箭上升动力学模型
2.1.1 运动方程
2.1.2 运动方程的无量纲化
2.2 火箭上升轨迹优化模型
2.2.1 性能指标
2.2.2 入轨条件
2.2.3 优化模型
2.3 在线轨迹优化设计思路
2.3.1 简化优化模型
2.3.2 减小求解规模
2.3.3 选择高效优化算法
2.3.4 直接寻找可行解而不是最优解
2.4 小结
三、基于可行解的改进模型预测静态规划方法
3.1 基于模型预测静态规划的可行轨迹求解流程
3.1.1 轨迹优化问题及其等价最小二乘问题
3.1.2 算法流程
3.2 阻尼增稳改进模型预测静态规划
3.2.1 阻尼增稳
3.2.2 算法流程
3.2.3 数值算例
3.3 边界投影改进模型预测静态规划
3.3.1 边界投影
3.3.2 算法流程
3.3.3 数值算例
3.4 并行构造改进模型预测静态规划
3.4.1 皮卡迭代
3.4.2 切比雪夫离散
3.4.3 算法流程
3.4.4 数值算例
3.5 仿真分析
3.5.1 标称条件下仿真分析
3.5.2 蒙特卡洛打靶仿真分析
3.6 小结
四、基于最优解的降维序列凸优化方法
4.1 基于序列凸优化的最优轨迹求解流程
4.1.1 无损凸化
4.1.2 序列凸化
4.1.3 离散化
4.1.4 算法流程
4.2 序列凸优化的不足与常用解决方案
4.2.1 伪不可行与虚拟控制
4.2.2 伪无界与信赖域
4.2.3 伪谱离散–序列凸优化
4.3 降维序列凸优化方法
4.3.1 降维凸化
4.3.2 切比雪夫离散
4.3.3 安德森加速
4.3.4 算法流程
4.4 仿真分析
4.4.1 算法有效性分析
4.4.2 算法精度和效率分析
4.4.3 算法收敛鲁棒性分析
4.4.4 标称条件下仿真分析
4.4.5 蒙特卡洛打靶分析
4.5 小结
五、基于不精确修复的可行序列凸优化方法
5.1 可行迭代的优势
5.2 不精确修复技术
5.3 可行序列凸优化方法
5.3.1 修复阶段
5.3.2 优化阶段
5.3.3 算法框架
5.4 仿真分析
5.4.1 算法有效性分析
5.4.2 算法精度和效率分析
5.4.3 算法收敛鲁棒性分析
5.4.4 标称条件下闭环仿真分析
5.4.5 蒙特卡洛打靶分析
5.5 小结
六、基于高斯同伦的平滑序列凸优化方法（待补充）
七、基于NURBS的序列凸优化方法（待补充）
1.1 间接法
1.2 直接法
1.2.1 伪谱法
1.2.2 凸优化/序列凸优化
1.2.3 模型预测静态规划
1.3 小结
二、运载火箭轨迹优化建模和快速轨迹优化设计思路
2.1 火箭上升动力学模型
2.1.1 运动方程
2.1.2 运动方程的无量纲化
2.2 火箭上升轨迹优化模型
2.2.1 性能指标
2.2.2 入轨条件
2.2.3 优化模型
2.3 在线轨迹优化设计思路
2.3.1 简化优化模型
2.3.2 减小求解规模
2.3.3 选择高效优化算法
2.3.4 直接寻找可行解而不是最优解
2.4 小结
三、基于可行解的改进模型预测静态规划方法
3.1 基于模型预测静态规划的可行轨迹求解流程
3.1.1 轨迹优化问题及其等价最小二乘问题
3.1.2 算法流程
3.2 阻尼增稳改进模型预测静态规划
3.2.1 阻尼增稳
3.2.2 算法流程
3.2.3 数值算例
3.3 边界投影改进模型预测静态规划
3.3.1 边界投影
3.3.2 算法流程
3.3.3 数值算例
3.4 并行构造改进模型预测静态规划
3.4.1 皮卡迭代
3.4.2 切比雪夫离散
3.4.3 算法流程
3.4.4 数值算例
3.5 仿真分析
3.5.1 标称条件下仿真分析
3.5.2 蒙特卡洛打靶仿真分析
3.6 小结
四、基于最优解的降维序列凸优化方法
4.1 基于序列凸优化的最优轨迹求解流程
4.1.1 无损凸化
4.1.2 序列凸化
4.1.3 离散化
4.1.4 算法流程
4.2 序列凸优化的不足与常用解决方案
4.2.1 伪不可行与虚拟控制
4.2.2 伪无界与信赖域
4.2.3 伪谱离散–序列凸优化
4.3 降维序列凸优化方法
4.3.1 降维凸化
4.3.2 切比雪夫离散
4.3.3 安德森加速
4.3.4 算法流程
4.4 仿真分析
4.4.1 算法有效性分析
4.4.2 算法精度和效率分析
4.4.3 算法收敛鲁棒性分析
4.4.4 标称条件下仿真分析
4.4.5 蒙特卡洛打靶分析
4.5 小结
五、基于不精确修复的可行序列凸优化方法
5.1 可行迭代的优势
5.2 不精确修复技术
5.3 可行序列凸优化方法
5.3.1 修复阶段
5.3.2 优化阶段
5.3.3 算法框架
5.4 仿真分析
5.4.1 算法有效性分析
5.4.2 算法精度和效率分析
5.4.3 算法收敛鲁棒性分析
5.4.4 标称条件下闭环仿真分析
5.4.5 蒙特卡洛打靶分析
5.5 小结
六、基于高斯同伦的平滑序列凸优化方法（待补充）
七、基于NURBS的序列凸优化方法（待补充）
