Each language version is independently generated for its own context, not a direct translation.
这篇文章讲述了一种让多艘飞船在深空（特别是月球附近的特殊轨道）中“编队飞行”的聪明新方法。想象一下，这就像是在太空中让一群无人机进行高难度的编队表演，但它们不仅要飞得整齐，还要避开太阳的干扰，并且要极其省油。
为了让你更容易理解，我们可以把这篇论文的核心内容拆解成几个生动的比喻：
1. 场景设定：在“摇摆的秋千”上跳舞
- 背景：飞船们要在月球附近的“近直线晕轨道”（NRHO）上飞行。你可以把这条轨道想象成一个巨大的、不稳定的秋千。这个秋千不是完美的圆圈，它的形状很奇怪，有时候离月球很近（像秋千荡到最低点），有时候又离得很远（像荡到最高点）。
- 挑战：在这个秋千上，引力、太阳光的压力（像风一样推着你）、以及地球和太阳的拉扯，都会让飞船偏离路线。而且，飞船之间必须保持安全距离（不能撞车），还要保持特定的角度，以便互相“看”到对方（不被太阳挡住视线）。
2. 核心方法：聪明的“预言家” (模型预测控制 MPC)
以前的方法可能像是一个只会看后视镜的司机：看到偏离了，就赶紧打方向盘修正。但这在太空中很危险，因为修正动作可能会引发新的问题。
这篇论文提出了一种像“预言家”一样的自动驾驶系统：
- 展望未来：系统不仅看现在，还会在脑海里“预演”未来几圈轨道会发生什么。
- 全局优化：它不是只盯着这一秒怎么飞，而是计算未来很长一段时间内，怎么飞最省油、最安全。
- 多车协同：它把整个编队看作一个整体，同时指挥所有飞船，而不是每艘船各自为战。
3. 三大创新技巧
A. “步步为营”的约束收紧 (Constraint Tightening)
- 比喻：想象你在玩一个贪吃蛇游戏，但蛇身（飞船）不能碰到墙壁（安全边界）。
- 问题：如果你只盯着眼前的墙壁，可能下一秒蛇身就会因为惯性撞上去。
- 解决方案：这个系统会人为地把墙壁往内推一点。也就是说，它要求飞船不仅要避开真实的墙壁，还要避开一个“虚拟的、更窄的安全区”。
- 作用：这样即使未来有意外（比如导航误差或太阳风突然变大），飞船手里还有“缓冲余地”，不会轻易撞墙。这就叫“递归可行性”，保证系统永远能算出下一步怎么走。
B. “连续监控”而非“点状检查” (等周约束 reformulation)
- 比喻：以前检查飞船是否安全，就像警察只在路口设卡。如果两艘船在两个路口之间突然靠得太近，警察就看不见，等发现时已经撞上了。
- 解决方案：这个新方法给每艘船装上了24 小时无死角的监控摄像头。
- 技术细节：它用一种数学技巧（等周约束），把“整个飞行过程都不能违规”这个连续的要求，转化成了计算机能算的数学题。这样就能确保飞船在两次点火调整之间的每一秒，都乖乖待在安全区内，不会出现“漏网之鱼”。
C. “凸优化”的解题策略 (Sequential Convex Programming)
- 比喻：这个飞行问题非常复杂，就像要在崎岖不平的迷宫里找一条最省油的路，而且迷宫还在不断变形。直接找答案太难了。
- 解决方案：系统采用“化繁为简”的策略。它先假设迷宫是平坦的（凸的），算出一个大概路线；然后发现哪里不对，再修正假设，重新算。就像雕刻家，先凿出一个大概的形状，再一点点打磨，直到找到完美的路线。这种方法既快又准。
4. 实验结果：既省钱又安全
研究人员在超级计算机上模拟了各种恶劣情况（比如导航不准、太阳风突然增强）：
- 成功率：这种新方法非常稳健，即使在充满不确定性的环境下，也能让飞船编队成功完成任务。
- 省油：虽然要同时管安全距离和太阳角度，但耗油量并没有比只管安全距离多太多（大约只增加了 30% 的预算，但在 3-σ的极端情况下几乎持平）。
- 对比：如果不用这种“连续监控”的方法，只在控制点检查，飞船在两次调整之间经常“越界”，导致任务失败或需要消耗更多燃料去救火。
总结
这篇论文就像是为未来的月球空间站（比如“门户”Gateway）设计了一套超级智能的编队飞行教练。
它不再让飞船盲目地“见招拆招”，而是通过预判未来、预留安全缓冲、以及全天候监控，让飞船群在充满危险的深空引力场中，像一群训练有素的舞者，既保持队形，又避开太阳的“聚光灯”，还能最大限度地节省宝贵的燃料。这对于未来人类在月球轨道建立长期基地至关重要。
Each language version is independently generated for its own context, not a direct translation.
1. 研究问题 (Problem Statement)
随着月球门户（Gateway）等未来星座任务的推进，在拉格朗日点轨道（LPO）附近进行安全的编队飞行变得日益重要。现有的编队控制方法面临以下挑战：
- 动力学复杂性：LPO 环境（特别是高保真历表模型 HFEM）具有时变和非周期性特征，传统的基于相对轨道根数（ROE）或准周期环面（QPT）的线性化方法难以提供严格的安全保证。
- 约束处理困难：编队飞行需要满足连续时间（Continuous-Time, CT）的路径约束，如航天器间的最小/最大距离（防碰撞及通信需求）以及相对太阳相位角（避免太阳干扰通信）。传统的离散控制节点方法容易导致采样点之间的约束违反（Inter-sample violations）。
- 控制稀疏性：实际任务中，轨道维持机动通常非常稀疏（例如每圈仅 1-2 次），这给在不确定性下的递归可行性带来了巨大挑战。
- 解耦控制的次优性：将绝对轨道保持（维持参考轨道）和相对轨道保持（维持编队构型）分开处理会导致燃料消耗增加，且难以同时满足复杂的安全约束。
2. 方法论 (Methodology)
论文提出了一种集中式模型预测控制（MPC）框架，通过求解多车辆最优控制问题（MVOCP）来同时调节所有航天器的绝对和相对运动。
2.1 核心框架
- 控制策略：在每个控制周期，MPC 求解一个 MVOCP，以最小化总燃料消耗为目标，同时跟踪参考轨迹并满足路径约束。
- 控制节点：考虑到实际操作限制，控制节点被限制为每圈两次（分别在真近点角 θ=160∘ 和 $200^\circ$，即远月点附近），这符合 CAPSTONE 和 Gateway 的任务规划。
- 动力学模型：采用高保真历表模型（HFEM），包含月球引力场（球谐函数）、太阳辐射压（SRP）、第三体摄动（地球和太阳）以及导航和控制执行误差。
2.2 关键技术创新
为了解决非凸优化、递归可行性和连续时间约束问题，论文引入了以下关键技术：
渐进约束收紧（Progressive Constraint Tightening）：
- 为了在存在不确定性（如导航误差、模型失配）的情况下保证递归可行性（Recursive Feasibility），在预测视界内引入一个逐渐收紧的约束函数 g~。
- 通过一个单调递增的收紧函数 ζ，在预测视界的前端保留安全裕度，确保在下一个控制周期开始时，即使受到扰动，系统仍能满足原始约束。
等周约束重构（Isoperimetric Reformulation）：
- 为了解决连续时间约束满足（CTCS）问题，避免离散采样点之间的约束违反，将路径约束（如距离和相位角）重构为等周约束。
- 引入松弛状态变量 y，其动力学定义为约束违反量的平方积分（y˙=max[0,g]2）。
- 通过强制松弛变量在离散节点间保持不变（yj+1=yj），确保在整个连续时间区间内约束 g(t)≤0 成立。
序列凸规划（Sequential Convex Programming, SCP）：
- 由于 MVOCP 是非凸的（主要源于非线性动力学），采用基于增广拉格朗日（Augmented Lagrangian）的 SCP 算法进行求解。
- 通过线性化动力学和引入信任域（Trust-region）约束，将非凸问题转化为一系列凸子问题迭代求解。
3. 主要贡献 (Key Contributions)
- 统一的多车辆最优控制问题（MVOCP）：
- 首次提出了一个统一的优化框架，同时处理绝对轨道保持和相对编队保持，并将连续时间路径约束直接嵌入优化问题中，无需依赖近似动力学结构（如 QPT）。
- 结合渐进收紧与等周重构的 MPC 方案：
- 提出了一种结合渐进约束收紧（保证递归可行性）和等周重构（保证连续时间约束满足）的 MPC 策略，有效解决了稀疏控制下的不确定性问题。
- 高保真环境下的验证：
- 在包含初始轨道插入误差、动力学建模误差、导航误差和控制执行误差的高保真历表模型（HFEM）中进行了蒙特卡洛仿真验证。
- 验证了该框架在满足航天器间距和相对太阳相位角约束下的鲁棒性。
4. 实验结果 (Results)
论文通过 100 次蒙特卡洛仿真（每次持续 10 圈，约 65.5 天）对两航天器编队进行了评估，对比了四种实验场景：
- 实验 I & III：使用等周重构，连续满足路径约束。
- 实验 II & IV：仅在控制节点处离散满足路径约束。
- 对比变量：是否包含相对太阳相位角约束。
关键发现：
- 约束违反：仅在控制节点处施加约束（实验 II 和 IV）会导致频繁的采样点间约束违反（Inter-sample violations），特别是在近月点（Perilune）动力学敏感区域。而采用等周重构（实验 I 和 III）成功消除了这些违反。
- 燃料消耗：
- 连续约束满足（实验 I）比离散近似（实验 II）的燃料消耗更低（约低 15%）。这是因为连续约束引导系统进入更优的长期构型，减少了后续修正所需的控制量。
- 引入相对太阳相位角约束（实验 III vs 实验 I）仅增加了约 30% 的平均燃料消耗，证明了在满足复杂几何约束的同时保持燃料效率的可行性。
- 在 3-σ 置信度下，满足所有约束的编队年燃料消耗约为 420 cm/s（基于仿真数据推算），与基于 LTC 的方法相当，且无需额外的安全屏障函数（CBF）检查。
- 鲁棒性：通过调整约束收紧参数，可以平衡控制成本与递归可行性。适当的收紧参数（如 η）能确保在 100% 的仿真案例中实现递归可行性。
5. 意义与结论 (Significance & Conclusions)
- 理论意义：该工作证明了在高度非线性、时变的 LPO 环境中，无需依赖简化的动力学结构（如线性化 ROE 或 QPT），仅通过优化方法即可实现安全、高效的编队飞行。
- 工程应用：提出的框架直接适用于未来的月球门户（Gateway）及深空探测任务。它提供了一种系统化的方法来处理复杂的任务约束（如通信可见性、防碰撞），并能在稀疏控制机会下保持系统稳定。
- 未来展望：该方法展示了在复杂动力学环境下，通过数学优化（MPC + SCP + 等周约束）解决多航天器协同控制问题的强大潜力，为下一代深空编队飞行任务奠定了控制理论基础。
总结：这篇论文提出了一种先进的、基于优化的 MPC 框架，成功解决了拉格朗日点轨道编队飞行中的非线性、稀疏控制和连续时间约束难题。通过引入渐进约束收紧和等周重构技术，该方法在存在显著不确定性的情况下，实现了燃料高效且安全的编队维持，为未来深空星座任务提供了强有力的技术支撑。