简介：针对亚轨道可重复使用运载器（SRLV）的应用需求,在将卫星投送到预定轨道同时确保SRLV安全返回的前提下,对基于记忆原理的轨迹/总体参数一体化优化方法进行了研究。记忆优化算法是一种具有全局收敛性的随机搜索方法,每次搜索的试探解优劣状态由记忆元来存储。利用记忆原理的记忆增强和遗忘规律来衡量优化搜索过程中试探解的状态,并以燃料最省作为优化指标。同时采用三种不同的搜索策略,实现对试探解的随机搜索,避免陷入局部极小问题,并以此来提高搜索速度。仿真表明：卫星入轨速度偏差小于2m/s,高度偏差小于10m,轨道倾角偏差小于0.0001°。SRLV最终与着陆场的位置偏差小于100m,速度偏差小于5m/s。相较于传统的轨迹优化方法,新方法适用于复杂的轨迹/参数一体化优化问题,搜索速度快,求解精度高,有利于算法在工程实际中的应用与推广。

简介：基于状态空间模型的许多传统滤波算法都基于Rn空间中的高斯分布模型,但当状态向量中包含角变量或方向变量时,难以达到理想的效果。针对J.T.Horwood等提出的nS？R流形上的GaussVonMises（GVM）多变量概率密度分布,扩展了狄拉克混合逼近方法,给出了联合分布的GVM逼近方法,推导了后验分布的GVM参数计算公式,设计了量测更新状态估计算法。将J.T.Horwood等的时间更新算法与所提出的量测更新算法相结合,可实现基于GVM分布的递推贝叶斯滤波器（GVMF）。仿真结果表明,当状态向量符合GVM概率分布模型时,GVMF对角变量的估计明显优于传统的扩展卡尔曼滤波器。