基於可微物理的重複使用運載火箭飽和感知魯棒軌跡最佳化

重複使用運載火箭的大攻角翻轉機動是返回過程中最關鍵的階段之一，飛行器需要在高速和大氣擾動下快速翻轉，這對軌跡最佳化提出了極高的要求。由於動力學的高度非線性、氣動引數的不確定性以及執行器輸出有限導致的飽和問題，傳統的軌跡最佳化方法往往難以同時保證標稱效能和魯棒性。近日，來自中國的研究人員Liwei Chen和Tong Qin在arXiv上發表了題為《Saturation-Aware Robust Trajectory Optimization for Reusable Launch Vehicles via Differentiable Physics》的論文，提出了一種創新的可微物理框架來應對這一挑戰。

該框架的核心是可微粒子管控制（DPTC）方案。DPTC採用基於整合的分佈整形策略，將狀態不確定性用一組拉格朗日粒子表示，同時將硬執行器投影運算元直接嵌入到計算圖中。這種設計使得系統能夠透過端到端的反向傳播演算法，聯合最佳化標稱前饋軌跡和時變反饋策略，從而在考慮執行器約束的情況下實現魯棒軌跡最佳化。具體而言，狀態不確定性由拉格朗日粒子整合表示，每個粒子代表一種可能的軌跡，而硬投影運算元確保控制指令始終在飽和限幅內。

為了評估DPTC的效能，研究者將其與基於自動微分的逐次凸化（AD-SCvx）基線方法以及傳統的協方差轉向反饋策略進行了對比。在六自由度蒙特卡洛模擬中，共進行了1000次隨機氣動擾動測試。結果顯示，基線方法雖然在標稱條件下能夠獲得燃料最優解，但其無約束的反饋設計在氣動干擾下容易觸發執行器飽和，導致閉環魯棒性下降，成功率為85%。而DPTC框架透過主動進行約束感知的效能權衡——適當放鬆空間跟蹤精度以保留關鍵控制許可權——將成功率提升至99%，同時保持了接近最優的燃料消耗。這種權衡使得飛行器在遭遇較大不確定性時能夠犧牲部分軌跡精度，從而避免因執行器飽和而失控。

這項研究的創新之處在於將可微物理與基於整合的最佳化相結合，為高度受限的航天飛行系統提供了一種實用且高效的魯棒制導框架。該框架不僅適用於重複使用運載火箭的大攻角翻轉機動，還有潛力推廣到其他受執行器飽和約束的機器人系統，如無人機或水下航行器。論文顯示，該方法的計算效率也較為可觀，能夠在即時或近即時系統中應用。未來，研究人員計劃進一步擴充套件該框架，使其能夠處理更復雜的不確定性來源和多種約束條件。這一工作為自主控制領域提供了新的思路，特別是在需要同時考慮非線性和硬約束的應用中具有重要價值。