刚体非对称航天器最优控制问题的解法
题目
例子出自论文 Direct solution of nonlinear optimal control problems using quasilinearization and Chebyshev polynomials(DOI:10.1016/S0016-0032(02)00028-5) Section 5.2. Example 2: Rigid asymmetric spacecraft
题目如下:
一个刚体非对称航天器控制问题,其状态方程为
\[\left \{ \begin{matrix} \dot{\omega}_1 = -\frac{I_3-I_2}{I_1} \omega_2 \omega_3 + \frac{u_1}{I_1}, \\ \dot{\omega}_2 = -\frac{I_1-I_3}{I_2} \omega_1 \omega_3 + \frac{u_2}{I_2}, \\ \dot{\omega}_3 = -\frac{I_2-I_1}{I_3} \omega_1 \omega_2 + \frac{u_3}{I_3}, \end{matrix} \right.\]式中,$\omega_1$、$\omega_2$ 和 $\omega_3$ 为航天器的角速度。
控制量为 $u_1$、$u_2$、$u_3$,目标函数为
\[J = 0.5 \int_{0}^{100}(u_1^2+u_2^2+u_3^2) \text{d}t.\]其余参数为
\[\begin{aligned} &\omega_1(0)=0.01 \ \text{r/s},\ \omega_2(0)=0.005 \ \text{r/s},\ \omega_3(0)=0.001 \ \text{r/s}, \\ &\omega_1(t_f)=\omega_2(t_f)=\omega_3(t_f)=0 \ \text{r/s}, \\ &I_1=86.24 \ \text{kg m}^2,\ I_2=85.07 \ \text{kg m}^2,\ I_3=113.59 \ \text{kg m}^2. \end{aligned}\]Example 2 给出 2 个例子。
Case 1:状态量和控制量没有不等式约束。
Case 2:$\omega_1(t)$ 存在不等式约束。
满足
\[\omega_1(t) - (5\times10^{-6}\ t^2 - 5\times10^{-4}\ t + 0.015 ) \le 0.\]代码
代码如下,完整代码在这里。
主函数 section5_example2()
%--------------------------------------------------------------------------
% 说明:Direct solution of nonlinear optimal control problems using
% quasilinearization and Chebyshev polynomials
% pp.491-497 example 2
% 作者:Lingwei Li
% 时间:ver 1.0 2023/03/6
%--------------------------------------------------------------------------
function section5_example2
%% 清除变量
clc;clear;close all;
%% 设置初始条件
% 状态
w10 = .01;
w20 = .005;
w30 = .001;
w1_tf = 0;
w2_tf = 0;
w3_tf = 0;
% 参数
I1 = 86.24;
I2 = 85.07;
I3 = 113.59;
%% 伪谱法配点
nP = 75; % 配置点个数
nS = 3; % 状态量个数
nU = 3; % 控制量个数
% 伪谱法配点
tau = LGL_nodes(nP-1); % 把时间区间离散到[-1,1]中
D = LGL_Dmatrix(tau); % 微分矩阵
weights = LGL_weights(tau); % 配置点权重
%% 处理算法的初值猜测
t0 = 0; % 起始时间
T = 100; % 终止时间
t = tau2t(T,t0,tau); % 配点后的时间区段
% 提前猜测几个控制量
% 红方控制量
u10 = -.0087*ones(nP,1);
u20 = -.0043*ones(nP,1);
u30 = -.015*ones(nP,1);
% 建立变量索引
% 状态量
w1_index = (1:nP)';
w2_index = (nP+1:2*nP)';
w3_index = (2*nP+1:3*nP)';
% 控制量
u1_index = (3*nP+1:4*nP)';
u2_index = (4*nP+1:5*nP)';
u3_index = (5*nP+1:6*nP)';
%% 为 R:max 的算法设置初始条件
x0 = zeros((nS+nU)*nP,1);
x0([w1_index,w2_index,w3_index]) = [w10*ones(nP,1);w20*ones(nP,1);w30*ones(nP,1)];
x0([w1_index(end),w2_index(end),w3_index(end)]) = [w1_tf;w2_tf;w3_tf];
x0([u1_index,u2_index,u3_index]) = [u10;u20;u30];
%% 算法开始
% 循环参数
options = optimset('Display','iter',... % off/iter/notify-detailed
'Algorithm','sqp',... % 算法选择
'TolCon',1e-6,... % 约束违反度度容差(正标量),默认值为 1e-6
'TolX',1e-6,... % 关于正标量 x 的终止容差,SQP算法的默认值为 1e-6
'TolFun',1e-6); % 一阶最优性的终止容差(正标量),默认值为 1e-6
tic;
%--- 算法开始 ---%
res = fmincon(@objective,x0,[],[],[],[],[],[],@constraints,options);
%--- 算法结束 ---%
toc;
w1 = res(w1_index);
w2 = res(w2_index);
w3 = res(w3_index);
u1 = res(u1_index);
u2 = res(u2_index);
u3 = res(u3_index);
%% 画图
% 开始画图
window_width = 500;
window_height = 416;
% 状态量
k = 0;
figure('color',[1 1 1],'position',[300+k*window_width,300,window_width,window_height]);
plot(t, w1, '-', 'LineWidth',1.5);hold on;
plot(t, w2, '--', 'LineWidth',1.5);
plot(t, w3, ':', 'LineWidth',1.5);
legend('$\omega_{1}(t)$','$\omega_{2}(t)$','$\omega_{3}(t$)',...
'Location','Best',...
'Interpreter','Latex',...
'FontSize',13);
xlabel('Time');
ylabel('State');
set(gca,'FontSize',13,'FontName','Times New Roman','LineWidth',1.5);
% 控制量
k = 1;
figure('color',[1 1 1],'position',[300+k*window_width,300,window_width,window_height]);
plot(t, u1, '-', 'LineWidth',1.5);hold on;
plot(t, u2, '--', 'LineWidth',1.5);
plot(t, u3, ':', 'LineWidth',1.5);
legend('$u_1(t)$','$u_2(t)$','$u_3(t)$',...
'Location','Best',...
'Interpreter','Latex',...
'FontSize',13);
xlabel('Time');
ylabel('Control');
set(gca,'FontSize',13,'FontName','Times New Roman','LineWidth',1.5);
%% 子函数部分
function dJ = objective(x)
% 控制量赋值
u1 = x(u1_index);
u2 = x(u2_index);
u3 = x(u3_index);
L = u1.^2 + u2.^2 + u3.^2;
% 目标函数
dJ = (T-t0)/2 * dot(weights,L)/2;
end
function [c,ceq] = constraints(x)
% ---------- 赋值 ---------- %
% 状态量赋值
w1_con = x(w1_index);
w2_con = x(w2_index);
w3_con = x(w3_index);
% 控制量赋值
u1_con = x(u1_index);
u2_con = x(u2_index);
u3_con = x(u3_index);
% ---------- 结束 ---------- %
% -------- 等式约束 -------- %
ceq1 = w1_con(1) - w10;
ceq2 = w2_con(1) - w20;
ceq3 = w3_con(1) - w30;
ceq4 = w1_con(end) - w1_tf;
ceq5 = w2_con(end) - w2_tf;
ceq6 = w3_con(end) - w3_tf;
% 状态方程
dw1_con = -(I3-I2)/I1 .* w2_con .* w3_con + u1_con ./ I1;
dw2_con = -(I1-I3)/I2 .* w1_con .* w3_con + u2_con ./ I2;
dw3_con = -(I2-I1)/I3 .* w1_con .* w2_con + u3_con ./ I3;
Y = [w1_con,w2_con,w3_con];
F = (T-t0)/2*real([dw1_con,dw2_con,dw3_con]);
ceq7 = D*Y - F;
ceq = [ceq1;ceq2;ceq3;ceq4;ceq5;ceq6;ceq7(:)];
% ---------- 结束 ---------- %
% ------- 不等式约束 ------- %
% c = []; % case 1: no inequality constraints
c = w1_con - (5.*1e-6.*t.^2 - 5.*1e-4.*t + .016); % case 2: inequality constraints on w1(t)
% ---------- 结束 ---------- %
end
function t = tau2t(Tf,t0,tau)
% 把 tau 转换为 t
% 按照《天基对地打击武器轨道规划与制导技术》2013 p79 式(4.25)编写如下代码
t = (Tf-t0)*tau/2+(Tf+t0)/2;
end
end
下面给出在主函数中会用到的函数,一共 4 个。
1. 子函数 LGL_nodes()
%--------------------------------------------------------------------------
% LGL_nodes.m
% Author: Daniel R. Herber, Graduate Student, University of Illinois at
% Urbana-Champaign
% Date: 06/04/2015
%--------------------------------------------------------------------------
function tau = LGL_nodes(N)
thetak = (4*[1:N]-1)*pi/(4*N+2);
sigmak = -(1-(N-1)/(8*N^3)-(39-28./sin(thetak).^2)/(384*N^4)).*cos(thetak);
ze = (sigmak(1:N-1)+sigmak(2:N))/2;
ep = eps*10;
ze1 = ze+ep+1;
while max(abs(ze1-ze))>=ep,
ze1 = ze;
[dy,y] = lepoly(N,ze);
ze = ze-(1-ze.*ze).*dy./(2*ze.*dy-N*(N+1)*y); % see Page 99 of the book
end;
tau=[-1,ze,1]'; % column vector
end
2. 子函数 LGL_Dmatrix()
%--------------------------------------------------------------------------
% LGL_Dmatrix.m
% Author: Daniel R. Herber, Graduate Student, University of Illinois at
% Urbana-Champaign
% Date: 06/04/2015
% Last modified by Lingwei Li at 06/22/2022
%--------------------------------------------------------------------------
function D = LGL_Dmatrix(tau)
N = length(tau)-1;
n = N + 1;
if n==0, D = [];
return;
end
xx = tau; y = lepoly(n-1,xx);
D = (xx./y)*y'-(1./y)*(xx.*y)';
D = D + eye(n); operated
D = 1./D;
D = D - eye(n);
D(1,1) = -n*(n-1)/4; D(n,n) = -D(1,1);
end
3. 子函数 LGL_weights()
%--------------------------------------------------------------------------
% LGL_weights.m
% determines Gaussian quadrature weights using Lagrange-Gauss-Lobatto (LGL)
% nodes
%--------------------------------------------------------------------------
% w = LGL_weights(tau)
% tau: LGL nodes
% w: Gaussian quadrature weights
%--------------------------------------------------------------------------
% Author: Daniel R. Herber, Graduate Student, University of Illinois at
% Urbana-Champaign
% Date: 06/04/2015
%--------------------------------------------------------------------------
function w = LGL_weights(tau)
% number of nodes
N = length(tau)-1;
% See Page 99 of the book: J. Shen, T. Tang and L. Wang, Spectral Methods:
% Algorithms, Analysis and Applications, Springer Series in Compuational
% Mathematics, 41, Springer, 2011.
% Uses the function: lepoly()
% Original function: [varargout] = legslb(n) located at
% http://www1.spms.ntu.edu.sg/~lilian/bookcodes/legen/legslb.m
[~,y] = lepoly(N,tau(2:end-1));
% Use the weight expression (3.188) to compute the weights
w = [2/(N*(N+1));2./(N*(N+1)*y.^2);2/(N*(N+1))];
end
4. 子函数 lepoly()
%--------------------------------------------------------------------------
% lepoly.m
% Date: 08/30/2011
%--------------------------------------------------------------------------
function [varargout]=lepoly(n,x)
if nargout==1,
if n==0, varargout{1}=ones(size(x)); return; end;
if n==1, varargout{1}=x; return; end;
polylst=ones(size(x)); poly=x;
for k=2:n,
polyn=((2*k-1)*x.*poly-(k-1)*polylst)/k;
polylst=poly; poly=polyn;
end;
varargout{1}=polyn;
end;
if nargout==2,
if n==0, varargout{2}=ones(size(x)); varargout{1}=zeros(size(x)); return;end;
if n==1, varargout{2}=x; varargout{1}=ones(size(x)); return; end;
polylst=ones(size(x)); pderlst=zeros(size(x));poly=x; pder=ones(size(x));
for k=2:n,
polyn=((2*k-1)*x.*poly-(k-1)*polylst)/k;
pdern=pderlst+(2*k-1)*poly;
polylst=poly; poly=polyn;
pderlst=pder; pder=pdern;
end;
varargout{2}=polyn; varargout{1}=pdern;
end;
return
仿真结果
注意,case 1 和 case 2 的选择通过 section5_example2()
的 constraints()
中
% ------- 不等式约束 ------- %
% c = []; % case 1: no inequality constraints
c = w1_con - (5.*1e-6.*t.^2 - 5.*1e-4.*t + .016); % case 2: inequality constraints on w1(t)
% ---------- 结束 ---------- %
end
来选择。
Case 1:状态量和控制量没有不等式约束
代码仿真结果:
状态量:
控制量:
论文仿真结果:
状态量:
控制量:
Case 2:$\omega_1(t)$ 存在不等式约束
代码仿真结果:
状态量:
控制量:
论文仿真结果:
状态量:
控制量:
分析
case 1 的代码仿真结果与论文仿真结果相似。
case 2 的代码仿真结果中,控制量的波动比较平稳;而论文仿真结果中,控制量的波动略微剧烈一些。因为论文将整个控制区间分成了 $[0,39]$ 和 $[39,100]$ 两个子区间,所以会有震荡。论文里没有把控制区间分段的时候,控制量的波动更加剧烈,如下图所示。
时间区间加多后,控制量的变化趋于平稳。代码仿真结果中,控制量结果一直很平稳。其实这就说明结果很好。作者论文中,没有分段的控制量变化十分剧烈,说明他的结果不平稳,把时间区间分段之后才逐渐平稳的。只要时间区间分段足够多,控制量结果一定会趋近平稳的。
总结
约束条件其实不难写,认真研究一下之前伪谱法的代码,把 objective()
和 contstrants()
里面的代码根据具体题目要求改一下,一定可以做出来的。
欢迎通过邮箱联系我:[email protected]
来信请注明你的身份,否则恕不回信。