推进系统故障下火星上升车联合轨迹重规划：次优学习型热启动方法
系统与控制
2024-10-01 v1 系统与控制
摘要
在火星上升车（MAV）发射任务期间，当遇到推进系统故障问题时，依赖逐步判断的通用轨迹重规划方法可能无法及时做出决策，从而导致任务失败。本文提出了一种次优联合轨迹重规划（SJTR）方法，将故障后的目标轨道和飞行轨迹的联合优化问题建立在凸优化框架内。通过引入终端约束的惩罚系数，优化解遵循轨道 redecision 原则，从而避免复杂的决策过程，实现对重规划问题的简洁快速求解。提出一种学习型热启动方案搭配设计的 SJTR 方法。离线时，使用 SJTR 方法生成的数据集训练深度神经网络（DNN）。在线时，DNN 根据当前故障情况提供时间优化变量的初始猜测，提高了算法的求解效率和可靠性。对 MAV 在推进故障下的飞行情景进行数值仿真，并通过蒙特卡洌实验和各类轨道类型的案例研究表明所提方法的有效性。
引用
@article{arxiv.2409.19536,
title = {Joint Trajectory Replanning for Mars Ascent Vehicle under Propulsion System Faults: A Suboptimal Learning-Based Warm-Start Approach},
author = {Kun Li and Guangtao Ran and Yanning Guo and Ju H. Park and Yao Zhang},
journal= {arXiv preprint arXiv:2409.19536},
year = {2024}
}