基于自适应 Radau 配点的解敏最优制导

提出了一种降低动态模型参数敏感性的最优制导方法。该方法结合了先前开发的基于自适应 Legendre-Gauss-Radau（LGR）配点的制导与控制方法，以及先前开发的解敏最优控制方法。在每个制导周期开始时，通过重新求解剩余时间范围内的解敏最优控制问题来执行制导更新。该方法的有效性通过一个简单示例的蒙特卡洛仿真得到验证。结果表明，与无制导更新的解敏最优控制以及先前开发的制导与控制方法相比，该方法降低了终端状态的变化。