Systematic Low-Thrust Trajectory Optimization for a Multi-Rendezvous Mission using Adjoint Scaling
研究了利用小推力推进与多颗小行星交会的深空探测任务。间接的方法,最优控制理论的基础上,实施优化的燃料消耗。简要介绍了间接方法在优化小行星间小推力轨道中的应用。提出了一种有效的近圆近共面轨道间转移的初始估计方法。确定了多小行星交会任务的最优条件。首先应用将轨迹分裂成顺序求解的多个分支的直观方法。然后通过缩放方法将结果拼接在一起,为优化整个轨迹提供初步猜测。通过对三个包含十几颗小行星的探测序列的优化算例,验证了该方法的有效性。
2016-03-08 astro-ph.IM math.OC
Indirect Optimization of Multi-Phase Trajectories Involving Arbitrary Discrete Logic
本研究针对航空航天飞行器多阶段轨迹中任意离散逻辑触发段转换的问题,提出GRASHS方法,通过逻辑转换与平滑将优化问题简化为两点边值问题,填补了RASHS方法无法处理AND/OR组合逻辑的空白。
2024-12-10 math.OC
An indirect numerical method for a time-optimal state-constrained control problem in a steady two-dimensional fluid flow
本文讨论了受流场影响的状态约束最优控制问题的解的计算问题。这个通用的数学框架是特别相关的要求,在现实的水下航行器的控制。本文的主要贡献在于设计了一种间接计算方法,该方法利用Gamkrelidze形式的最大值原理,保证了拉格朗日乘子的连续性,对状态约束最优控制问题的极值进行了有效的数值计算。以有界空间集中自治水下航行器在流场影响和有界驱动下的时间最优控制具体问题为例,说明了所提出的方法。给出了相应的数值结果并进行了讨论。
2018-11-30 math.OC
Fuel-Optimal Trajectory Planning for Lunar Vertical Landing
本文针对月球垂直着陆最小燃料轨迹规划问题,通过引入非负正则化项将终端转向角约束内化于最优性条件,并提出变换与二分法求解超越方程,最终用间接打靶法求解并数值验证。
2024-04-05 math.OC
Pontryagin-Bellman Differential Dynamic Programming for Low-Thrust Trajectory Optimization with Path Constraints
School of Aeronautics and Astronautics, Purdue University(普渡大学航空航天学院)
提出一种结合庞特里亚金极小值原理与微分动态规划的新算法PDDP,通过零空间信赖域方法优化协态,并采用增广拉格朗日方法和二次罚函数处理约束,显著改进了间接法对状态约束问题的鲁棒性和效率。
2026-06-23 math.OC nlin.CD
Global Search for Optimal Low Thrust Spacecraft Trajectories using Diffusion Models and the Indirect Method
PhD Student, Department of Mechanical and Aerospace Engineering, Princeton University, NJ, USA(普林斯顿大学机械与航空航天工程系博士生);Assistant Professor, Department of Mechanical and Aerospace Engineering, Princeton University, NJ, USA(普林斯顿大学机械与航空航天工程系助理教授)
本文提出利用扩散模型和间接方法加速低推力航天器轨迹的全局搜索,通过训练模型预测共轭解结构变化,提升求解效率。
2025-09-17 cs.LG cs.SY eess.SY
GuSTO: Guaranteed Sequential Trajectory Optimization via Sequential Convex Programming
Stanford University(斯坦福大学)
序列凸规划(SCP)作为一种轨迹优化的工具,最近引起了人们极大的兴趣.然而,大多数可用的方法缺乏严格的性能保证,并且它们通常针对特定的最优控制设置。本文提出了GuSTO(Guaranteed Sequential Trajectory Optimization)算法框架,用于求解具有漂移的仿射控制系统的轨迹最优化问题。GuSTO概括了早期基于SCP的轨迹优化方法(通过解决目标集约束和具有固定或自由最终时间的问题),并在收敛到至少一个稳定点方面享有理论收敛保证。进一步利用理论分析,设计一个加速实施的GuSTO,它最初注入的想法,从间接最优控制到SCP的上下文中。在各种轨迹优化设置上的数值实验表明,GuSTO在成功率、解决方案质量和计算时间方面通常优于当前最先进的方法。
2019-03-01 cs.RO math.OC
Singular versus boundary arcs for aircraft trajectory optimization in climbing phase
在这篇文章中,我们感兴趣的最佳飞机轨迹在爬升阶段。我们考虑的成本指标标准是一个凸组合的爬升时间和燃料消耗。我们假设推力是恒定的,我们控制飞机的飞行轨迹角。这个最优化问题被建模为Mayer最优控制问题,在控制中具有单输入仿射动态和两个纯状态约束,限制了校准空速(CAS)和马赫速度。在由最大值原理给出的一组极值中选择作为最小值的候选者。我们首先分析了最小时间爬升问题的状态约束的界限,结合小时间分析,间接多重射击和同伦方法与监控。本研究强调两种策略:航空中常见的CAS/Mach过程和控制理论中经典的Bang-Singular-Bang策略。然后,我们比较这两个程序的成本指数标准。
2022-12-13 math.OC
Continuity of Pontryagin extremals with respect to delays in nonlinear optimal control
考虑一类有限维非线性最优控制问题,其中状态和/或控制时滞为常数。根据庞特里亚金最大值原理,任何最优轨迹都是庞特里亚金极值的投影。我们建立,在适当的假设下,庞特里亚金极值连续依赖于参数延迟,适当的拓扑结构。轨迹的连续性和控制的连续性的证明是相当容易的,然而,对于伴随向量,证明需要更精细的分析。伴随函数关于参数延迟的连续性为间接方法的数值实现开辟了一个新的视角,如打靶法。我们还讨论了我们假设的清晰度。
2018-11-12 math.OC
Inducing Multi-Convexity in Path Constrained Trajectory Optimization for Mobile Manipulators
University of Tartu(塔尔图大学);Tampere University(坦佩雷大学);Johannes Kepler University(约翰内斯·开普勒大学)
本文提出了一种新的基于末端路径、碰撞避免和各种运动学约束的移动机械手轨迹优化算法。我们的主要贡献在于展示了这个高度非线性和非凸的问题可以作为一个序列的凸无约束二次规划(QP)来解决。这是通过重新制定的非线性约束所产生的机械手运动学和它的耦合与移动基地的多仿射形式。然后,我们使用交替方向乘法(ADMM)的技术制定和解决的轨迹优化问题。建议的ADMM有两个类似的非凸步骤。重要的是,可以为它们中的每一个导出凸代理。我们展示了我们的优化的大部分可以并行解决,提供了利用多核CPU/GPU的可能性。我们验证我们的轨迹优化在不同的基准示例。具体来说,我们强调它是如何解决的周期性瓶颈,并提供了一个整体的方法,可以通过权衡不同方面的机械手和移动基础运动的轨迹集。
2019-04-22 cs.RO math.OC
Efficient Formulation of Collision Avoidance Constraints in Optimization Based Trajectory Planning and Control
Kiel University(基尔大学)
为了适用于现实世界的情况下,移动自主系统的轨迹规划方案必须能够有效地处理在操作区域中的障碍物。在基于优化的轨迹规划和控制的背景下,可以在文献中找到许多不同的方法来制定防撞约束。在这里,本工作的贡献是双重的。首先,最流行的方法来表示障碍物,即简单的椭球表示,构造性立体几何(CSG)的方法,以及直接和间接实现的符号距离为基础的方法进行了总结。制剂的特点是相对于最优化问题的复杂性的影响,以及满足不同的问题要求的能力。其次,这项工作提出了一种新的变形CSG方法来描述避碰约束。它是非常高效的,由于一个非常低的数量的非线性不等式约束所需的一个给定数量的障碍物和样本点,并与原来的CSG制定允许考虑受控系统的形状。通过与先前提到的替代品的比较,证明了所提出的制剂的良好性能。为此,将制定为非线性规划问题的海洋水面船舶最佳轨迹规划用作基准示例,其中该场景是基于德国基尔的海事测试场设计的。
2021-04-26 cs.RO math.OC
A Novel Approach for Optimal Trajectory Design with Multiple Operation Modes of Propulsion System, Part 1
许多工程系统的有效性能是通过不同的操作模式来实现的-产生被描述为“混合”的系统,包含实值和离散决策变量。在空间应用中,这种系统的突出例子可以是装备有1)可变$I_{\text{sp}}$、可变推力发动机或2)多个发动机的航天器,每个发动机都能够独立地打开/关闭。为了减轻间接最优化方法使用时所带来的挑战,提出了一种新的框架-复合平滑控制(CSC)-寻求不同控制输入的整个频谱上的平滑性。CSC框架的应用的一个显著后果是,原来的多点边值问题可以被视为一个两点边值问题与光滑,可微的控制输入,后者是明显更容易解决,但可以准确地近似前混合问题。CSC框架的效用通过一个多年,多转日心燃料最佳轨道的航天器配备了可变- $I_{\text{sp}}$,可变推力发动机证明。
2019-10-21 cs.SY eess.SY math.OC
Optimality-Informed Neural Networks for Lunar Landing Trajectory Optimization
Department of Mechanical and Aerospace Engineering(机械与航空航天工程系);The University of Tennessee(田纳西大学)
针对月球着陆轨迹优化问题,基于特定框架提出最优性感知神经网络方法,将庞特里亚金最小原理等硬编码进网络结构,直接代入最优推力定律,通过物理残差损失训练相关输出,给出理论分析与数值模拟验证。
2026-07-07 cs.LG cs.SY eess.SY
RRT-CoLearn: towards kinodynamic planning without numerical trajectory optimization
Delft University of Technology(代尔夫特理工大学)
基于采样的Kinodynamic规划器,例如快速探索随机树(RRT),提出了两个基本挑战:计算两个随机采样节点之间距离的可靠(伪)度量,以及计算连接节点的转向输入。这些挑战的核心是一个两点边值问题,这是已知的NP-难。最近,距离度量已经近似使用监督学习,大大减少了计算时间。以前的工作,这样的学习RRT使用直接最优控制来生成数据的监督学习。本文建议使用间接最优控制,因为它提供了两个好处:它减少了计算工作量生成的数据,它提供了一个低维参数化的行动空间。后者允许我们学习距离度量和连接两个节点的转向输入。这消除了学习RRT时对本地规划者的需要。摆摆的实验结果表明,在离线数据生成和在线规划时间10倍的速度,导致至少10倍的速度在整体规划时间。
2017-10-27 cs.RO math.OC
Alternating Minimization Based Trajectory Generation for Quadrotor Aggressive Flight
Zhejiang University(浙江大学)
随着对四旋翼飞行器轨迹规划的研究不断深入,实时规划空间和时间最优轨迹仍然是一个挑战。在本文中,我们提出了一个框架,用于生成大规模的分段多项式轨迹的侵略性自主飞行,其优越的计算效率和同时的时空最优性的亮点。利用隐式解耦结构的规划问题,我们进行交替最小化边界条件和持续时间的轨迹片。在每个最小化阶段,我们利用子问题的代数便利性来逃避糟糕的局部极小值,并实现最低的时间消耗。对该方法的全局/局部收敛速度进行了理论分析。此外,基于多项式理论,设计了一种针对各种约束条件的快速可行性检验方法。通过将该方法结合到我们的交替结构中,构造了一个约束最小化算法,在可行的前提下优化轨迹。基准测试表明,我们的算法优于国家的最先进的方法,效率,最优性和可扩展性。在有限空间密集障碍物的攻击性飞行实验中,所提出的算法的性能进行了验证。我们将我们的实现作为一个开源的ros-package发布。
2020-02-25 cs.RO math.OC
Exploiting the Natural Dynamics of Series Elastic Robots by Actuator-Centered Sequential Linear Programming
University of Texas at Austin(德克萨斯大学奥斯汀分校)
串联弹性机器人最好能够遵循遵循其致动器限制的轨迹,因为它们不能立即改变其关节力。实际上,串联弹性作动器通过储能和释能,其性能可以超过理想力源作动器。提出了一种基于序列线性规划的串联弹性机器人轨迹优化问题。我们的框架是独特的,在分离的致动器动力学从其余的动力学,并在使用一个可调的伪质量参数,提高了我们的方法的离散化精度。致动器动力学是真正的线性,这使得它们被排除在信赖域力学之外。这使得我们的算法具有相似的运行时间,有和没有致动器动态。我们证明了我们的优化算法,通过调整高性能的行为,单腿机器人在模拟和硬件上的单自由度执行器测试台。结果表明,顺应性允许更快的运动,并需要类似的计算时间。
2018-07-17 cs.RO math.OC
Reinforcement Learning for Low-Thrust Trajectory Design of Interplanetary Missions
Sapienza University of Rome(罗马大学)
本文研究了使用强化学习的鲁棒设计的小推力行星际轨道存在严重的干扰,建模为高斯加性过程噪声,观测噪声,控制驱动误差的推力大小和方向,并可能有多个错过的推力事件。最优控制问题被改写为时间离散马尔可夫决策过程,以符合强化学习的标准公式。采用最先进算法近端策略优化的开源实现来执行深度神经网络的训练过程,用于将航天器(观察到的)状态映射到最优控制策略。由此产生的制导和控制网络提供了一个强大的标称轨迹和相关的闭环制导律。一个典型的地球-火星任务的数值结果。首先,为了验证所提出的方法,将(确定性)未扰动场景中找到的解决方案与间接技术提供的最佳解决方案进行比较。然后,所获得的闭环制导律的鲁棒性和最优性进行评估通过Monte Carlo运动在所考虑的不确定情况下进行。这些初步结果为在行星际飞行任务的稳健设计中使用强化学习开辟了新的视野。
2020-08-19 cs.AI cs.LG math.OC
A Universal Birkhoff Theory for Fast Trajectory Optimization
Naval Postgraduate School(美国海军研究生院)
本文提出基于通用Birkhoff插值的轨迹优化新理论,将条件数从O(N^2)降至O(1),并证明直接与间接Birkhoff方法的数学等价性。
2025-09-18 cs.NA math.NA math.OC
Robust Trajectory and Transmit Power Design for Secure UAV Communications
无人机(Unmanned Aerial Vehicles,UAV)具有机动性强、易于部署等优点,有望在未来无线通信领域得到广泛应用。然而,空地视距无线信道的广播特性给无人机-地面通信的信息安全带来了新的挑战。本文解决了这样的挑战,在物理层利用无人机的机动性,通过其轨迹设计。我们考虑一个无人机地面通信系统与多个潜在的窃听者在地面上,窃听者的位置信息是不完善的。我们制定了一个优化问题,最大限度地提高平均最坏情况下的保密率的系统,通过联合设计的鲁棒轨迹和发射功率的无人机在给定的飞行时间。优化问题的非凸性和窃听者位置信息的不完全性使得该问题很难得到最优解。我们提出了一个迭代次优算法,有效地解决这个问题,通过应用块坐标下降法,S-过程,和连续凸优化方法。仿真结果表明,与其他两种没有鲁棒性设计的基准算法相比,该算法可以显著提高平均最坏情况下的保密率。
2018-06-17 cs.IT math.DS math.IT
Transfer Learning of Multiobjective Indirect Low-Thrust Trajectories Using Diffusion Models and Markov Chain Monte Carlo
Department of Mechanical and Aerospace Engineering, Princeton University(普林斯顿大学机械与航空航天工程系)
本文提出一种结合同伦与马尔可夫链蒙特卡罗的迁移学习框架,用于高效生成训练数据,改进多目标优化问题的求解,提升间接轨迹优化的性能。
2026-10-09 cs.LG cs.SY eess.SY