CN113176787B - 一种基于落点预测的动力下降轨迹规划在线触发方法 - Google Patents
一种基于落点预测的动力下降轨迹规划在线触发方法 Download PDFInfo
- Publication number
- CN113176787B CN113176787B CN202110448732.7A CN202110448732A CN113176787B CN 113176787 B CN113176787 B CN 113176787B CN 202110448732 A CN202110448732 A CN 202110448732A CN 113176787 B CN113176787 B CN 113176787B
- Authority
- CN
- China
- Prior art keywords
- planning
- landing
- plan
- online
- predicted
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 9
- 230000001960 triggered effect Effects 0.000 claims description 8
- 239000000446 fuel Substances 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 206010048669 Terminal state Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种基于落点预测的动力下降轨迹规划在线触发方法,属于再入返回着陆飞行器动力下降制导技术领域;步骤一、对飞行器气动减速段的飞行速度进行判别;当飞行速度低于速度门限A,进入步骤二;步骤二、采用软着陆轨迹规划方程组预测落点位置[ry(tf),rz(tf)];步骤三、根据预测的落点位置,实时计算航程预测值Spredicted和航程期望值Sdesired;步骤四、当航程预测值Spredicted小于航程期望值Sdesired时,按气动减速段继续飞行;当航程预测值Spredicted大于等于航程期望值Sdesired时,进入步骤五;步骤五、建立在线轨迹规划模型,求出最优解,完成在线规划;本发明能够有效避免不合理的初始触发条件,从而提高返回着陆在线轨迹规划技术的可靠性,进一步提高返回着陆的安全性与成功率。
Description
技术领域
本发明属于再入返回着陆飞行器动力下降制导技术领域,涉及一种基于落点预测的动力下降轨迹规划在线触发方法。
背景技术
可重复、低成本、智能化是未来航天运输***的发展方向,在线轨迹规划技术作为实现下一代可重复使用航天运输器返回着陆制导***的核心技术,通过在原问题可达域内在线求解满足综合型终端约束和过程状态及控制复杂约束的最优或可行轨迹,以满足苛刻的着陆安全性约束与高精度要求。该技术主要难点在于需在发动机点火反推时刻在线规划出满足过程、终端状态及控制约束的燃料最优或可行轨迹,以消除再入着陆前序阶段所累积的点火时刻初始状态散布大偏差。
目前相关技术研究主要集中在基于实时优化的轨迹规划算法,通常将飞行时间、速度或者高度作为点火时机的触发条件,该触发方式无法考虑实际飞行偏差,往往在到达触发条件时,初始状态散布较大,从而需要规划出具备大航程转移的轨迹,给轨迹规划算法增加难度与挑战,甚至在触发时机不当时,会导致轨迹规划算法在当前约束下无可行解,从而导致着陆失败。
动力下降轨迹规划触发方法直接影响在线轨迹规划算法复杂度与可行性,如若触发了不恰当的动力下降初始点火时机,甚至会使得轨迹规划算法无法搜索到可行解从而导致着陆失败。
发明内容
本发明解决的技术问题是:克服现有技术的不足,提出一种基于落点预测的动力下降轨迹规划在线触发方法,能够有效避免不合理的初始触发条件,从而提高返回着陆在线轨迹规划技术的可靠性,进一步提高返回着陆的安全性与成功率。
本发明解决技术的方案是:
一种基于落点预测的动力下降轨迹规划在线触发方法,包括如下步骤:
步骤一、设定速度门限A;对飞行器再入返回过程中气动减速段的飞行速度进行判别;当飞行速度不低于速度门限A时,按气动减速段继续飞行;当飞行速度低于速度门限A,进入步骤二;
步骤二、采用软着陆轨迹规划方程组预测落点位置[ry(tf),rz(tf)];
步骤三、根据预测的落点位置,实时计算航程预测值Spredicted和航程期望值Sdesired;
步骤四、将航程预测值Spredicted和航程期望值Sdesired进行比较,当航程预测值Spredicted小于航程期望值Sdesired时,按气动减速段继续飞行;当航程预测值Spredicted大于等于航程期望值Sdesired时,触发动力下降的在线轨迹规划,进入步骤五;
步骤五、建立在线轨迹规划模型,根据在线轨迹规划模型求出规划后发动机推力矢量指令T*(t)、规划后标称轨迹位置r*(t)和规划后速度矢量v*(t),完成在线规划。
在上述的一种基于落点预测的动力下降轨迹规划在线触发方法,所述步骤一中,所述气动减速段为动力下降段的前序飞行阶段,飞行速度为相对着陆行星速度。
在上述的一种基于落点预测的动力下降轨迹规划在线触发方法,所述步骤二中,软着陆轨迹规划方程组为:
s,t.
r(t0)=r0,v(t0)=v0,m(t0)=m0
rx(tf)=0,v(tf)=0
T(tf)=[Tx(tf)≠0 0 0]
0<mdry≤m(tf)
0<Tmin≤||T(t)||≤Tmax
式中,||*||为求向量*的模;
r(t)为着陆过程中随时间变化的位置矢量;
v(t)为速度矢量;
g=[-g0,0,0]为常值引力加速度矢量;其中,g0为地球表面重力加速度大小;
T(t)为火箭发动机推力矢量;
m(t)为质量;
Sref为着陆飞行器有效横截面积;
CD为气动阻力系数;
ρ为大气密度;
α=1/(Ispg0),Isp为飞行器火箭发动机比冲;
r0为着陆飞行器预测初始时刻位置矢量;
v0为着陆飞行器预测初始时刻速度矢量;
m0为着陆飞行器预测初始时刻质量;
t0为预测初始时刻;
tf为预测终端时刻;
rx(tf)为着陆终端高度;
Tx(tf)推力大小值;
mdry为火箭的结构质量;
Tmin为火箭发动机的最小推力;
Tmax为火箭发动机的最大推力;
计算出软着陆轨迹规划方程组的终端水平位置,即为落点位置[ry(tf),rz(tf)]。
在上述的一种基于落点预测的动力下降轨迹规划在线触发方法,所述步骤三中,航程预测值Spredicted的计算方法为:
Spredicted=||[ry(t0)-ry(tf),rz(t0)-rz(tf)]T||
式中,ry(t0)为预测初始时刻的y方向的水平位置;
rz(t0)为预测初始时刻的z方向的水平位置;
航程期望值Sdesired的计算方法为:
Sdesired=||[ry(t0),rz(t0)]T||。
在上述的一种基于落点预测的动力下降轨迹规划在线触发方法,所述步骤五中,在线轨迹规划模型为:
v(tplan)=v(t0)+a(t0)·(tplan-t0)
r(tplan)=r(t0)+v(t0)·(tplan-t0)+a(t0)·(tplan-t0)2/2
式中,tplan为轨迹规划完成后开始按照规划指令飞行的时间;
tplan-t0为规划算法耗时
v(tplan)为递推的规划完成后的飞行速度;
r(tplan)为递推的规划完成后的位置矢量;
r(t0)为触发在线规划时的位置;
v(t0)为触发在线规划时的速度;
a(t0)为触发在线规划时的加速度矢量;
以tplan、r(tplan)、v(tplan)作为在线轨迹规划的初始状态输入,进行在线轨迹规划计算。
在上述的一种基于落点预测的动力下降轨迹规划在线触发方法,在线轨迹规划计算方法为:
建立在线轨迹规划计算的定点着陆燃料最优非线性方程组:
s,t.
r(tplan)=r(t0)+v(t0)·(tplan-t0)+a(t0)·(tplan-t0)2/2,
v(tplan)=v(t0)+a(t0)·(tplan-t0),m(tplan)=m0
r(tf)=0,v(tf)=0
T(tf)=[0 Ty(tf)≠0 0]
0<mdry≤m(tf)
0<Tmin≤||T(t)||≤Tmax
|||T(ti+1)||-||T(ti)|||≤ΔTmax
||[rx(t),rz(t)]T||cotθgs≤ry(t),θgs∈[0,90°)
式中,r(tf)为着陆终端位置三维矢量,定点着陆轨迹规划方程的位置;
ti+1和ti为计算过程中取相邻的两个时间点;
ΔTmax为两拍间推力变化允许的最大值;
θT,max为推力指向与铅垂线之间的角度约束;
θgs为火箭和着陆点之间的连线与地平垂线之间的夹角约束;
求得出在线轨迹规划计算的定点着陆燃料最优非线性方程组的最优解T*(t)、r*(t)、v*(t);其中,T*(t)为规划后发动机推力矢量指令;r*(t)为规划后标称轨迹位置;v*(t)为规划后速度矢量。
本发明与现有技术相比的有益效果是:
(1)本发明选择在气动减速段开始动力下降段在线触发条件判别,飞行过程中通过落点预测实时判断飞行器动力下降段航程机动能力,能有效降低动力下降轨迹规划的失败风险;
(2)本发明通过终端位置约束的调整即可实现落点预测算法与动力下降轨迹规划算法的选择与实施,使用方便;
(3)本发明在触发动力下降轨迹规划时充分考虑了规划计算耗时的影响,通过运动状态递推的策略,能消除轨迹规划耗时对规划结果的影响,提高了实时轨迹规划的精度;
(4)本发明实现了动力下降在线轨迹规划可靠性得到提高
附图说明
图1为本发明动力下降轨迹规划在线触发流程图。
具体实施方式
下面结合实施例对本发明作进一步阐述。
本发明提供一种基于落点预测的动力下降轨迹规划在线触发方法,解决了返回着陆飞行器动力下降段点火反推时机确定问题,保证启动在线轨迹规划算法时存在可行解,该方法具备策略简洁、算法可靠、箭/器自主适应能力强,工程实用性高。
基于落点预测的动力下降轨迹规划在线触发方法,如图1所示,具体包括如下步骤:
步骤一、设定速度门限A;对飞行器再入返回过程中气动减速段的飞行速度进行判别;当飞行速度不低于速度门限A时,按气动减速段继续飞行;当飞行速度低于速度门限A,进入步骤二;气动减速段为动力下降段的前序飞行阶段,飞行速度为相对着陆行星速度。
步骤二、采用软着陆轨迹规划方程组预测落点位置[ry(tf),rz(tf)];软着陆轨迹规划方程组为:
s,t.
r(t0)=r0,v(t0)=v0,m(t0)=m0
rx(tf)=0,v(tf)=0
T(tf)=[Tx(tf)≠0 0 0]
0<mdry≤m(tf)
0<Tmin≤||T(t)||≤Tmax
式中,||*||为求向量*的模;
r(t)为着陆过程中随时间变化的位置矢量;
v(t)为速度矢量;
g=[-g0,0,0]为常值引力加速度矢量;其中,g0为地球表面重力加速度大小;
T(t)为火箭发动机推力矢量;
m(t)为质量;
Sref为着陆飞行器有效横截面积;
CD为气动阻力系数;
ρ为大气密度;
α=1/(Ispg0),Isp为飞行器火箭发动机比冲;
r0为着陆飞行器预测初始时刻位置矢量;
v0为着陆飞行器预测初始时刻速度矢量;
m0为着陆飞行器预测初始时刻质量;
t0为预测初始时刻;
tf为预测终端时刻;
rx(tf)为着陆终端高度;
Tx(tf)推力大小值;
mdry为火箭的结构质量;
Tmin为火箭发动机的最小推力;
Tmax为火箭发动机的最大推力;
计算出软着陆轨迹规划方程组的终端水平位置,即为落点位置[ry(tf),rz(tf)]。
步骤三、根据预测的落点位置,实时计算航程预测值Spredicted和航程期望值Sdesired;航程预测值Spredicted的计算方法为:
Spredicted=||[ry(t0)-ry(tf),rz(t0)-rz(tf)]T||
式中,ry(t0)为预测初始时刻的y方向的水平位置;
rz(t0)为预测初始时刻的z方向的水平位置;
航程期望值Sdesired的计算方法为:
Sdesired=||[ry(t0),rz(t0)]T||。
步骤四、将航程预测值Spredicted和航程期望值Sdesired进行比较,当航程预测值Spredicted小于航程期望值Sdesired时,按气动减速段继续飞行;当航程预测值Spredicted大于等于航程期望值Sdesired时,触发动力下降的在线轨迹规划,进入步骤五;
步骤五、建立在线轨迹规划模型,根据在线轨迹规划模型求出规划后发动机推力矢量指令T*(t)、规划后标称轨迹位置r*(t)和规划后速度矢量v*(t),完成在线规划。在线轨迹规划模型为:
v(tplan)=v(t0)+a(t0)·(tplan-t0)
r(tplan)=r(t0)+v(t0)·(tplan-t0)+a(t0)·(tplan-t0)2/2
式中,tplan为轨迹规划完成后开始按照规划指令飞行的时间;
tplan-t0为规划算法耗时
v(tplan)为递推的规划完成后的飞行速度;
r(tplan)为递推的规划完成后的位置矢量;
r(t0)为触发在线规划时的位置;
v(t0)为触发在线规划时的速度;
a(t0)为触发在线规划时的加速度矢量;
以tplan、r(tplan)、v(tplan)作为在线轨迹规划的初始状态输入,进行在线轨迹规划计算。
在线轨迹规划计算方法为:
建立在线轨迹规划计算的定点着陆燃料最优非线性方程组:
s,t.
r(tplan)=r(t0)+v(t0)·(tplan-t0)+a(t0)·(tplan-t0)2/2,
v(tplan)=v(t0)+a(t0)·(tplan-t0),m(tplan)=m0
r(tf)=0,v(tf)=0
T(tf)=[0 Ty(tf)≠0 0]
0<mdry≤m(tf)
0<Tmin≤||T(t)||≤Tmax
|||T(ti+1)||-||T(ti)|||≤ΔTmax
||[rx(t),rz(t)]T||cotθgs≤ry(t),θgs∈[0,90°)
式中,r(tf)为着陆终端位置三维矢量,定点着陆轨迹规划方程的位置;
ti+1和ti为计算过程中取相邻的两个时间点;
ΔTmax为两拍间推力变化允许的最大值;
θT,max为推力指向与铅垂线之间的角度约束;
θgs为火箭和着陆点之间的连线与地平垂线之间的夹角约束;
求得出在线轨迹规划计算的定点着陆燃料最优非线性方程组的最优解T*(t)、r*(t)、v*(t);其中,T*(t)为规划后发动机推力矢量指令;r*(t)为规划后标称轨迹位置;v*(t)为规划后速度矢量。
本发明选择在气动减速段开始动力下降段在线触发条件判别,飞行过程中通过落点预测实时判断飞行器动力下降段航程机动能力,能有效降低动力下降轨迹规划的失败风险;通过终端位置约束的调整即可实现落点预测算法与动力下降轨迹规划算法的选择与实施,使用方便;在触发动力下降轨迹规划时充分考虑了规划计算耗时的影响,通过运动状态递推的策略,能消除轨迹规划耗时对规划结果的影响,提高了实时轨迹规划的精度;实现动力下降在线轨迹规划可靠性得到提高。
本发明提供的方法包括选择在再入返回的气动减速段进行飞行速度判别,若飞行速度低于设定的速度门限,采用软着陆制导算法进行落点预测,若落点航程预测值小于当前到着陆目标的航程期望值,则不触发动力下降轨迹规划,若落点航程预测值大于当前到着陆目标的航程期望值,触发动力下降在线轨迹规划,应用于采用气动减速+动力下降着陆模式的火箭返回子级、火星着陆器等行星着陆任务,方法新颖简洁,工程实用性高。
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。
Claims (6)
1.一种基于落点预测的动力下降轨迹规划在线触发方法,其特征在于:包括如下步骤:
步骤一、设定速度门限A;对飞行器再入返回过程中气动减速段的飞行速度进行判别;当飞行速度不低于速度门限A时,按气动减速段继续飞行;当飞行速度低于速度门限A,进入步骤二;
步骤二、采用软着陆轨迹规划方程组预测落点位置[ry(tf),rz(tf)];
步骤三、根据预测的落点位置,实时计算航程预测值Spredicted和航程期望值Sdesired;
步骤四、将航程预测值Spredicted和航程期望值Sdesired进行比较,当航程预测值Spredicted小于航程期望值Sdesired时,按气动减速段继续飞行;当航程预测值Spredicted大于等于航程期望值Sdesired时,触发动力下降的在线轨迹规划,进入步骤五;
步骤五、建立在线轨迹规划模型,根据在线轨迹规划模型求出规划后发动机推力矢量指令T*(t)、规划后标称轨迹位置r*(t)和规划后速度矢量v*(t),完成在线规划。
2.根据权利要求1所述的一种基于落点预测的动力下降轨迹规划在线触发方法,其特征在于:所述步骤一中,所述气动减速段为动力下降段的前序飞行阶段,飞行速度为相对着陆行星速度。
3.根据权利要求2所述的一种基于落点预测的动力下降轨迹规划在线触发方法,其特征在于:所述步骤二中,软着陆轨迹规划方程组为:
s,t.
r(t0)=r0,v(t0)=v0,m(t0)=m0
rx(tf)=0,v(tf)=0
T(tf)=[Tx(tf)≠0 0 0]
0<mdry≤m(tf)
0<Tmin≤||T(t)||≤Tmax
式中,||*||为求向量*的模;
r(t)为着陆过程中随时间变化的位置矢量;
v(t)为速度矢量;
g=[-g0,0,0]为常值引力加速度矢量;其中,g0为地球表面重力加速度大小;
T(t)为火箭发动机推力矢量;
m(t)为质量;
Sref为着陆飞行器有效横截面积;
CD为气动阻力系数;
ρ为大气密度;
α=1/(Ispg0),Isp为飞行器火箭发动机比冲;
r0为着陆飞行器预测初始时刻位置矢量;
v0为着陆飞行器预测初始时刻速度矢量;
m0为着陆飞行器预测初始时刻质量;
t0为预测初始时刻;
tf为预测终端时刻;
rx(tf)为着陆终端高度;
Tx(tf)推力大小值;
mdry为火箭的结构质量;
Tmin为火箭发动机的最小推力;
Tmax为火箭发动机的最大推力;
计算出软着陆轨迹规划方程组的终端水平位置,即为落点位置[ry(tf),rz(tf)]。
4.根据权利要求3所述的一种基于落点预测的动力下降轨迹规划在线触发方法,其特征在于:所述步骤三中,航程预测值Spredicted的计算方法为:
Spredicted=||[ry(t0)-ry(tf),rz(t0)-rz(tf)]T||
式中,ry(t0)为预测初始时刻的y方向的水平位置;
rz(t0)为预测初始时刻的z方向的水平位置;
航程期望值Sdesired的计算方法为:
Sdesired=||[ry(t0),rz(t0)]T||。
5.根据权利要求4所述的一种基于落点预测的动力下降轨迹规划在线触发方法,其特征在于:所述步骤五中,在线轨迹规划模型为:
v(tplan)=v(t0)+a(t0)·(tplan-t0)
r(tplan)=r(t0)+v(t0)·(tplan-t0)+a(t0)·(tplan-t0)2/2
式中,tplan为轨迹规划完成后开始按照规划指令飞行的时间;
tplan-t0为规划算法耗时
v(tplan)为递推的规划完成后的飞行速度;
r(tplan)为递推的规划完成后的位置矢量;
r(t0)为触发在线规划时的位置;
v(t0)为触发在线规划时的速度;
a(t0)为触发在线规划时的加速度矢量;
以tplan、r(tplan)、v(tplan)作为在线轨迹规划的初始状态输入,进行在线轨迹规划计算。
6.根据权利要求5所述的一种基于落点预测的动力下降轨迹规划在线触发方法,其特征在于:在线轨迹规划计算方法为:
建立在线轨迹规划计算的定点着陆燃料最优非线性方程组:
s,t.
r(tplan)=r(t0)+v(t0)·(tplan-t0)+a(t0)·(tplan-t0)2/2,
v(tplan)=v(t0)+a(t0)·(tplan-t0),m(tplan)=m0
r(tf)=0,v(tf)=0
T(tf)=[0 Ty(tf)≠0 0]
0<mdry≤m(tf)
0<Tmin≤||T(t)||≤Tmax
|||T(ti+1)||-||T(ti)|||≤ΔTmax
||[rx(t),rz(t)]T||cotθgs≤ry(t),θgs∈[0,90°)
式中,r(tf)为着陆终端位置三维矢量,定点着陆轨迹规划方程的位置;
ti+1和ti为计算过程中取相邻的两个时间点;
ΔTmax为两拍间推力变化允许的最大值;
θT,max为推力指向与铅垂线之间的角度约束;
θgs为火箭和着陆点之间的连线与地平垂线之间的夹角约束;
求得出在线轨迹规划计算的定点着陆燃料最优非线性方程组的最优解T*(t)、r*(t)、v*(t);其中,T*(t)为规划后发动机推力矢量指令;r*(t)为规划后标称轨迹位置;v*(t)为规划后速度矢量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110448732.7A CN113176787B (zh) | 2021-04-25 | 2021-04-25 | 一种基于落点预测的动力下降轨迹规划在线触发方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110448732.7A CN113176787B (zh) | 2021-04-25 | 2021-04-25 | 一种基于落点预测的动力下降轨迹规划在线触发方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113176787A CN113176787A (zh) | 2021-07-27 |
CN113176787B true CN113176787B (zh) | 2022-10-21 |
Family
ID=76925525
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110448732.7A Active CN113176787B (zh) | 2021-04-25 | 2021-04-25 | 一种基于落点预测的动力下降轨迹规划在线触发方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113176787B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114754628B (zh) * | 2022-03-31 | 2023-08-04 | 南京理工大学 | 基于落点预测和虚拟跟踪的飞行体弹道控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0778200A2 (de) * | 1995-12-07 | 1997-06-11 | Daimler-Benz Aerospace Aktiengesellschaft | Mehrstufiges Raumfahrt-Transportsystem und Verfahren zum Horizontalstart |
CN109080854A (zh) * | 2018-07-19 | 2018-12-25 | 北京空间技术研制试验中心 | 航天器返回预定落点的大椭圆轨道变轨规划方法 |
CN109606738A (zh) * | 2019-01-14 | 2019-04-12 | 北京星际荣耀空间科技有限公司 | 一种可重复使用运载火箭芯一级箭体回收动力*** |
CN111813146A (zh) * | 2020-07-01 | 2020-10-23 | 大连理工大学 | 基于bp神经网络预测航程的再入预测-校正制导方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255183A (zh) * | 2018-09-10 | 2019-01-22 | 北京理工大学 | 一种基于二维落点走廊表征的行星进入飞行航程预测方法 |
CN109941460B (zh) * | 2019-04-09 | 2020-08-07 | 北京空间技术研制试验中心 | 航天器亚轨道返回再入过载降低设计方法 |
US11465782B2 (en) * | 2019-08-28 | 2022-10-11 | The Boeing Company | Systems and methods for autonomous deorbiting of a spacecraft |
-
2021
- 2021-04-25 CN CN202110448732.7A patent/CN113176787B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0778200A2 (de) * | 1995-12-07 | 1997-06-11 | Daimler-Benz Aerospace Aktiengesellschaft | Mehrstufiges Raumfahrt-Transportsystem und Verfahren zum Horizontalstart |
CN109080854A (zh) * | 2018-07-19 | 2018-12-25 | 北京空间技术研制试验中心 | 航天器返回预定落点的大椭圆轨道变轨规划方法 |
CN109606738A (zh) * | 2019-01-14 | 2019-04-12 | 北京星际荣耀空间科技有限公司 | 一种可重复使用运载火箭芯一级箭体回收动力*** |
CN111813146A (zh) * | 2020-07-01 | 2020-10-23 | 大连理工大学 | 基于bp神经网络预测航程的再入预测-校正制导方法 |
Non-Patent Citations (5)
Title |
---|
Daniel P. Scharf.ADAPT Demonstrations of Onboard Large-Divert Guidance with a VTVL Rocket.《IEEE》.2014, * |
Joshua A. St. Vaughn.Design of a Retro Rocket Earth Landing System for the Orion Spacecraft.《IEEE》.2006, * |
李大耀.着陆缓冲火箭点火高度选择及缓冲 效果估计.《中国空间科学技术》.1994, * |
江善夫.改进的月球返回再入制导率.《计算机仿真》.2013, * |
甘庆忠.火星大气进入制导研究.《中国优秀硕士论文全文数据库》.2018, * |
Also Published As
Publication number | Publication date |
---|---|
CN113176787A (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11592824B2 (en) | Using machine learning techniques to estimate available energy for vehicles | |
US9567095B2 (en) | System and method for aircraft capacity prediction | |
US10794705B2 (en) | Methods and systems for optimal guidance based on energy state approximation | |
CN107085978A (zh) | 一种基于所需到达时间的管制辅助决策指令生成方法 | |
CN109240323B (zh) | 一种实时解析构造的空天飞行器再入制导方法 | |
CN106371312B (zh) | 基于模糊控制器的升力式再入预测-校正制导方法 | |
FR2994286A1 (fr) | Procede et dispositif d'aide a la gestion du vol d'un aeronef | |
CN104567545B (zh) | Rlv大气层内主动段的制导方法 | |
CN112455720B (zh) | 一种空天飞行器气动力辅助变轨设计方法 | |
CN112506226B (zh) | 一种基于温度约束条件的长航时无人机飞行航线规划方法 | |
CN113176787B (zh) | 一种基于落点预测的动力下降轨迹规划在线触发方法 | |
CN108298110A (zh) | 一种两级入轨空天飞行器上升段轨迹及设计方法 | |
CN114370793A (zh) | 一种火箭子级返回与垂直着陆制导方法 | |
CN114637312A (zh) | 一种基于智能变形决策的无人机节能飞行控制方法及*** | |
Masri et al. | Autolanding a power-off uav using on-line optimization and slip maneuvers | |
CN116088549A (zh) | 一种尾座式垂直起降无人机姿态控制方法 | |
CN113625768B (zh) | 一种火星直升机航迹规划方法、***、设备及存储介质 | |
CN112925344B (zh) | 基于数据驱动和机器学习的无人机飞行工况预测方法 | |
CN112506209B (zh) | 一种基于自适应预测周期的再入飞行器预测控制方法 | |
Persson | Cooperative control for landing a fixed-wing unmanned aerial vehicle on a ground vehicle | |
CN114065375A (zh) | 基于局部配点法和神经网络的入轨能力评估与轨迹重构方法 | |
Peng et al. | A novel emergency flight path planning strategy for civil airplanes in total loss of thrust | |
Juang et al. | Application of time delay neural network to automatic landing control | |
Miwa et al. | Real-time flight trajectory generation applicable to emergency landing approach | |
Baek et al. | Trajectory optimization and the control of a re-entry vehicle in TAEM phase |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |