自适应 primal-dual 单调凸化用于高超声速再入制导

本文提出自适应 primal-dual 单调凸化（Auto-SCvx），一种用于在大范围任务参数空间中实现约束高超声速再入最优控制问题的动态可行轨迹解决方案的算法。在 Auto-SCvx 中，我们求解一系列凸子问题，直至收敛到原始非凸问题的解。该方法迭代优化双变量的闭式解，以更新原始变量更新中使用的惩罚超参数。该方法的一个优势是它是自调谐的，无需用户针对约束罚系数进行手工调谐。我们提出了几个示例高超声速再入问题，并使用该方法求解，并对当前方法进行比较研究。在这些数值研究中，我们的算法在不进行惩罚超参数手工调谐的情况下表现出等于甚至改进的性能。