基于可微物理的重复使用运载火箭饱和感知鲁棒轨迹优化

重复使用运载火箭的大攻角翻转机动是返回过程中最关键的阶段之一，飞行器需要在高速和大气扰动下快速翻转，这对轨迹优化提出了极高的要求。由于动力学的高度非线性、气动参数的不确定性以及执行器输出有限导致的饱和问题，传统的轨迹优化方法往往难以同时保证标称性能和鲁棒性。近日，来自中国的研究人员Liwei Chen和Tong Qin在arXiv上发表了题为《Saturation-Aware Robust Trajectory Optimization for Reusable Launch Vehicles via Differentiable Physics》的论文，提出了一种创新的可微物理框架来应对这一挑战。

该框架的核心是可微粒子管控制（DPTC）方案。DPTC采用基于集成的分布整形策略，将状态不确定性用一组拉格朗日粒子表示，同时将硬执行器投影算子直接嵌入到计算图中。这种设计使得系统能够通过端到端的反向传播算法，联合优化标称前馈轨迹和时变反馈策略，从而在考虑执行器约束的情况下实现鲁棒轨迹优化。具体而言，状态不确定性由拉格朗日粒子集成表示，每个粒子代表一种可能的轨迹，而硬投影算子确保控制指令始终在饱和限幅内。

为了评估DPTC的性能，研究者将其与基于自动微分的逐次凸化（AD-SCvx）基线方法以及传统的协方差转向反馈策略进行了对比。在六自由度蒙特卡洛模拟中，共进行了1000次随机气动扰动测试。结果显示，基线方法虽然在标称条件下能够获得燃料最优解，但其无约束的反馈设计在气动干扰下容易触发执行器饱和，导致闭环鲁棒性下降，成功率为85%。而DPTC框架通过主动进行约束感知的性能权衡——适当放松空间跟踪精度以保留关键控制权限——将成功率提升至99%，同时保持了接近最优的燃料消耗。这种权衡使得飞行器在遭遇较大不确定性时能够牺牲部分轨迹精度，从而避免因执行器饱和而失控。

这项研究的创新之处在于将可微物理与基于集成的优化相结合，为高度受限的航天飞行系统提供了一种实用且高效的鲁棒制导框架。该框架不仅适用于重复使用运载火箭的大攻角翻转机动，还有潜力推广到其他受执行器饱和约束的机器人系统，如无人机或水下航行器。论文显示，该方法的计算效率也较为可观，能够在实时或近实时系统中应用。未来，研究人员计划进一步扩展该框架，使其能够处理更复杂的不确定性来源和多种约束条件。这一工作为自主控制领域提供了新的思路，特别是在需要同时考虑非线性和硬约束的应用中具有重要价值。