МОДЕЛИ И МЕТОДЫ САМООРГАНИЗАЦИИ ОПТИМАЛЬНОГО ДВИЖЕНИЯ КОСМИЧЕСКОГО АППАРАТА

© В.М.Балык, И.Н.Игнатьев, Р.Д.Кулакова, А.М.Никулин, П.В.Щербак
© Государственный музей истории космонавтики им. К.Э. Циолковского, г. Калуга
Секция "К.Э. Циолковский и механика космического полета"
2004 г.

Среди различных проблем механики космического полета (КП)

К. Э. Циолковский рассматривал и вопросы управления движением КА. Так, в работе «Исследование мировых пространств реактивными приборами» (1926 г.) изучалась задача коррекции движения КА. В настоящее время эти задачи не потеряли своей актуальности, а требования к корректируемому движению КА существенно возросли, и одно из таких требований состоит в том, чтобы корректируемое движение было оптимальным.

В работе рассматривается новая вычислительная технология формирования оптимального управления КА, основанная на моделях и методах теории самоорганизации сложных систем. Так как единственным условием самоорганизации оптимального управления является задание статистической выборки, то на топологию формируемой целевой функции не накладываются требования по непрерывности, дифференцируемости, выпуклости и т. д. Другим существенным преимуществом рассматриваемого подхода является его устойчивость при выходе в область экстремума в случае наложения на процесс движения КА возмущающих факторов разного рода.

Для большинства расчетных практических задач, функционалы которых отличаются многоэкстремумностью, удалось найти глобальный экстремум. Хотя проблема многоэкстремумности здесь не решается во всех возможных случаях, вероятность нахождения глобального экстремума метода самоорганизации весьма высока.

Метод самоорганизации оптимального управления характеризуется изменением скорости сходимости в процессе поиска экстремума, при этом на начальных этапах имеет место достаточно высокая скорость сходимости к решению, а в последующем скорость несколько снижается. Все перечисленные эффекты обусловлены тем, что в самоорганизационных методах накапливается и максимально эффективно используется информация относительно целевой функции, что увеличивает размер статистической выборки, объем которой соответствует информативности относительно критериальной поверхности.