高 峰， 陈少松， 牛津桥

(1.中国空间技术研究院， 北京 100094； 2.中国人民解放军 63993 部队， 北京 101149)

1 引言

随着深空探测技术的不断发展，人类对月球探测的目的发生了本质改变，由原来的飞行技术验证、地外科学实验向特定区域(月背/两极/阴影区)探测、表面大尺度巡视转变，这对着陆系统的精确性、强鲁棒、自适应性提出了更高的要求。

近几十年来，软着陆制导技术获得了长足的发展。 从早期的苏联月球9 号采用的建立月球垂线法[1－2]到半开环半闭环的重力转弯制导方法[3－6]；从结合轨迹优化[7]与轨迹跟踪[8－11]的标称轨迹制导方法到能够在线应用的显示制导方法[12－14]以及最近兴起的智能学习制导方法[15－18]。 从以上技术发展变化可以总结出软着陆制导技术的发展趋势呈现3 个阶段[19]:基于人为智能的给定轨道直接着陆、基于机器智能的轨迹优化以及基于人工智能的学习制导方法。

传统的给定轨道及优化思想实现的软着陆制导很大程度上依赖于先验知识，比如模型、约束、环境等，同时容易受建模偏差、不确定扰动等因素影响，且现有的障碍模型不具备较好的泛化能力。 因此在月球这样多障碍、安全区域狭小和不确定性大的环境中，传统方法难以满足软着陆所需的的精度要求和安全性要求。 近几年，凸优化技术逐渐成为研究的热点，基于凸优化的轨迹优化方法成为解决上述问题以及在线应用 的 最 佳 方 案[20]。 Acikmese 等[21－22]提 出了将非凸优化问题进行凸化转化的思想，解决了以发动机推力幅值的上下界作为约束条件的燃耗最优问题；……