基于云模型的小衛(wèi)星總體優(yōu)化設(shè)計.pdf

1、小衛(wèi)星優(yōu)化設(shè)計貫穿整個小衛(wèi)星總體設(shè)計階段,是小衛(wèi)星研制重要組成部分,其設(shè)計優(yōu)化的結(jié)果對小衛(wèi)星初步設(shè)計和詳細(xì)設(shè)計有著深遠(yuǎn)的影響,直接決定了衛(wèi)星設(shè)計的質(zhì)量和效率。針對小衛(wèi)星任務(wù)設(shè)計的需求,建立合理的優(yōu)化模型、設(shè)計高效的優(yōu)化算法對提高小衛(wèi)星優(yōu)化設(shè)計的效率、縮短研制周期、降低研制成本都有著重大的作用。本文結(jié)合國防“十一五”預(yù)研課題和國家高技術(shù)研究發(fā)展計劃(863)項(xiàng)目,對小衛(wèi)星優(yōu)化設(shè)計進(jìn)行深入研究,重點(diǎn)解決符合任務(wù)需求的小衛(wèi)星優(yōu)化模型的建模以及

2、設(shè)計高效的優(yōu)化算法的問題,具體工作如下:
　　針對小衛(wèi)星優(yōu)化設(shè)計是一個包含連續(xù)變量和離散變量的混合變量優(yōu)化問題,和求解空間是非凸的、不連通問題,結(jié)合太陽同步軌道對地觀測小衛(wèi)星觀測任務(wù)的需求,建立了小衛(wèi)星總體優(yōu)化模型。該模型引入云模型(Cloud Model,CM),并將其與進(jìn)化算法相結(jié)合,設(shè)計了基于云模型的進(jìn)化算法(Evolutionary Algorithm Based on Cloud Model,EABCM),對小衛(wèi)星質(zhì)量模

3、型進(jìn)行優(yōu)化求解,在理論上對算法的收斂性給予了證明,在工程上采用數(shù)值仿真方法驗(yàn)證了EABCM優(yōu)化算法的有效性。
　　針對小衛(wèi)星成本優(yōu)化設(shè)計的需求,在對比分析常見小衛(wèi)星成本估算模型基礎(chǔ)上，根據(jù)對地觀測小衛(wèi)星觀測任務(wù)的需求,設(shè)計基于云模型的粒子群優(yōu)化算法(Particle Swarm Optimization Base on Cloud Model,PSOBCM),有效克服粒子群算法收斂速度慢、易陷入局部極值點(diǎn)的缺陷,并通過數(shù)值仿真驗(yàn)證

4、了對于成本模型理論精度的分析以及PSOBCM優(yōu)化算法的有效性。
　　針對小衛(wèi)星可靠性要求較高的實(shí)際需求,首先分析了小衛(wèi)星可靠性設(shè)計的概念、設(shè)計步驟以及可靠性估計方法;其次根據(jù)任務(wù)設(shè)計的需求,建立了小衛(wèi)星可靠性和設(shè)計成本的多目標(biāo)優(yōu)化模型;為求解該多目標(biāo)優(yōu)化問題,借鑒多目標(biāo)遺傳算法的排序思想,設(shè)計了基于云模型的多目標(biāo)優(yōu)化算法(Multi-Objective Evolution Algorithm Based Cloud Model,M

5、OEABCM)對其求解,并通過數(shù)值仿真結(jié)果驗(yàn)證了算法的有效性。
　　針對快速響應(yīng)空間任務(wù)需求,首先分析了上面級航天器的總體設(shè)計思路和設(shè)計方法,并給出了上面級航天器各個分系統(tǒng)的設(shè)計步驟;然后依據(jù)上面級航天器總體優(yōu)化設(shè)計的目標(biāo),分別構(gòu)建上面級航天器總體設(shè)計的質(zhì)量優(yōu)化模型、成本優(yōu)化模型和成本、可靠性的多目標(biāo)優(yōu)化模型;最后分別采用基于云模型的進(jìn)化算法、基于云模型的粒子群算法和基于云模型的多目標(biāo)進(jìn)化算法來對三個總體設(shè)計優(yōu)化模型分別求解,驗(yàn)證