转移轨道优化

转移轨道的 NLP（非线性规划）优化，实现搜索-优化两步法的优化阶段。

优化器

DROTRONLPOptimizer 实现 DRO 到 RO 的转移轨道优化。

优化变量： y = {α, T, t_ins}

• α: 切向速度比

• T: 转移时间

• t_ins: 插入时间

目标函数：

\[J(y) = \Delta v_1 + \Delta v_2\]

约束条件：

• 位置连续性约束

• 速度平行性约束

• 碰撞避免约束（地球、月球）

求解器选择

支持两种求解器：

1. SciPy (默认): 使用 scipy.optimize.minimize

2. COPT: 商业优化器，性能更优 (需单独安装)

from e2m2e.transfer.transfer import TransferConfig

# 使用 SciPy
config = TransferConfig(use_copt=False)

# 使用 COPT（需安装 coptpy）
config = TransferConfig(use_copt=True, fallback_to_scipy=True)

配置参数

TransferConfig 控制优化行为：

config = TransferConfig(
    alpha_min=0.5,           # α 下界
    alpha_max=2.5,           # α 上界
    earth_radius=200.0/DU,   # 地球碰撞半径（无量纲）
    moon_radius=100.0/DU,    # 月球碰撞半径（无量纲）
    use_relaxed_velocity=True,  # 松弛速度约束
    velocity_angle_tol=0.05,    # 速度角度容差（弧度）
    use_copt=False,
    fallback_to_scipy=True
)

结果分析

TransferOptimizationResult 包含优化结果：

result = optimizer.optimize(departure_orbit, arrival_orbit)

if result.success:
    print(f"总脉冲: {result.total_delta_v:.6f}")
    print(f"出发脉冲: {result.delta_v1:.6f}")
    print(f"插入脉冲: {result.delta_v2:.6f}")
    print(f"转移时间: {result.transfer_time:.2f}")

    # 转移轨迹
    trajectory = result.transfer_trajectory  # (n_steps, 6)
    times = result.transfer_trajectory_times  # (n_steps,)