本技术提供了一种基于二次整流的在线最优制导方法、装置和电子设备,该方法中,将包含过程约束的第一最优控制问题转化为不含过程约束的第二最优控制问题,通过模型预测静态规划方法对第二最优控制问题进行求解,得到解析迭代形式的控制量更新算式,并基于上述控制量更新算式对控制量猜测值进行迭代修正,得到最优的制导指令,即实现了具有解析迭代形式的通用求解算法,形式简洁,单次迭代耗时极少,总耗时较少,大大提高了求解效率,并且将包含过程约束的第一最优控制问题转化为不含过程约束的第二最优控制问题,进而通过模型预测静态规划方法对第二最优控制问题进行求解的方式提高了求解的准确性,通用性好。
背景技术
很多情况下,飞行器的在线制导问题可以归结为一个需要在线求解的带过程约束最优控制问题,例如,可重复使用火箭回收段的在线轨迹规划、视场角约束下的空空导弹在线最优制导等。研究求解带过程约束最优控制问题的方法具有重要的工程意义。
与带过程约束最优控制问题相近的一类问题是带终端约束最优控制问题,带终端约束最优控制问题的在线求解方法发展比较成熟,形成了著名的模型预测控制类方法。模型预测控制类方法一般为具有解析迭代形式的算法,计算效率很高。
带过程约束最优控制问题目前还不存在具有解析迭代形式的算法,现有求解方法大致可以分为三类:第一类是次优方法,这类方法以不含过程约束的最优解为基础,以一定的策略迭代修正到满足约束为止。这类方法的缺点在于解不满足最优性,甚至可能与最优解相差很大。第二类是离散优化,这类方法通过将动力学方程离散,把最优控制问题变成非线性规划问题,通过一些优化的手段求解。这类方法的缺点在于收敛性依赖于离散后的优化算法(若优化算法选择的不好,解的收敛性便不好),并且在线求解非线性规划问题较为耗时。第三类是凸优化方法,它通过一些特殊的凸化手段将原问题转化为一个凸优化问题,再通过成熟的工具包求解。这类方法的缺点在于凸化过程需要对每个问题单独分析,只有部分问题能满足凸化条件,不满足凸化条件的问题便不能求解。
综上所述,目前对于带过程约束最优控制问题的求解方法存在准确性不好、效率低、通用性差的技术问题。
实现思路