● 摘要
航天器的飞行轨迹优化对航天器的设计有着十分重要的意义及实际工程价值，是贯穿航天器全寿命周期的重要问题。航天器轨道优化是优化理论在航天器设计领域最早的应用之一。航天器轨道优化问题实质上是最优控制问题，最优控制理论的不断发展，为航天器轨迹优化奠定了理论基础，如变分法、极小值原理、动态规划、间接法、直接法以及智能优化算法。
智能优化算法中的遗传算法的应用最为广泛和成功。遗传算法（Genetic Algorithms，GAs）已经在航空航天领域得到应用，如飞行器再入轨迹优化、飞机模型辨识和约束编队航天器的旋转轨迹优化等。虽然GAs通常能在合理的时间内找到满意解，但随着求解问题的复杂性及难度的增加，计算成本不断提高。GAs具有天然的并行性，非常适合于在大规模并行计算机上实现。实现并行遗传算法，不仅要把串行GAs等价地变换成一种并行方案，更重要的是要将GAs的结构修改成易于并行化实现的形式。由芯片制造商提出基于图形处理器（Graphics Processing Unit，GPU）实现浮点数值运算的设想，引起广泛研究；GPU内嵌运算颗粒即可实现图像实时加速处理，还有望处理浮点数值计算并开展卓越的并行性能。
基于优越性能的离子发动机，优化设计轨道转移策略和卫星分系统，使基于小卫星平台研制的卫星，能够完成高轨道或深空探测任务；卫星集群飞行能够协同完成许多单一卫星不能完成的任务，优化设计集群构型，从而完成低能耗飞行和自主在轨控制。随着人类探索太空的步伐不断前进，太空飞行器数量和空间碎片的不断增多，如何保证空间飞行器安全飞行是空间防碰撞的关键问题。
本文建立基于GPU的并行运算平台，设计并行结构的遗传算法；分别对以下三个航天器轨迹设计问题展开研究：小推力轨道转移优化设计、编队飞行构型设计优化和空间碰撞预警分析。