.png){kind=icon}
返回
Improved two-phase sequential convex programming for reentry trajectory optimization
.png){kind=icon}
PRE
AI
DOI：10.1007/s42064-026-0316-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种改进的两阶段顺序凸规划（SCP）算法用于再入轨迹优化。首先使用切比雪夫伪谱方法（CPM）对连续时间最优控制问题进行离散化。引入共形映射来重新分配切比雪夫-高斯-洛巴托（CGL）节点，有效缓解了微分矩阵的病态性并增强了数值稳定性。随后分析了信赖域半径对罚函数下降行为的影响，从而提出了一种两阶段优化策略。在第一阶段，采用线搜索快速获得可行解，从而避免因过早采用过大的罚系数导致的收敛延迟。在第二阶段，利用信赖域约束精细调整步长，确保收敛精度和提升鲁棒性。数值仿真表明，所提算法在收敛速度和求解精度方面表现出优越性能，同时有效消除了传统罚方法中因过大的罚系数通常诱发的数值振荡。该框架为再入轨迹优化提供了一种可靠高效的数值方法。
Keyword:
trajectory optimization
pseudospectral discretization
reentry vehicle
convex optimization
期刊
IF:
6.5
论文数:
110
被引数:
807
机构
引用论文
暂无论文信息