1. 课程导入与燃料优化问题界定

航天器在轨运行期间，轨道控制是维持任务功能、实现任务目标的核心手段。无论是地球同步卫星的定点保持、低轨遥感卫星的轨道维持与规避机动，还是深空探测器的中途修正与交会接近，都离不开推进系统提供的速度增量。而每一次速度增量的产生，都意味着推进剂的消耗。推进剂一旦耗尽，航天器便失去轨道机动能力，任务寿命随之终止。因此，燃料优化并不是一个孤立的数学练习，而是直接决定任务成败与经济性的工程问题。

轨道控制的任务场景

从任务剖面看，轨道控制大致可分为几类典型场景。第一类是轨道保持，例如地球静止轨道卫星需要周期性进行东西向位置保持和南北向倾角保持，以抵抗地球非球形引力、日月引力和太阳光压带来的轨道漂移。第二类是轨道机动，包括轨道抬升、轨道转移、相位调整和平面变更，典型如从转移轨道进入目标工作轨道。第三类是交会与接近操作，涉及相对导航与多次脉冲配合。第四类是姿态耦合的推力应用，如动量轮卸载、姿态控制与轨道控制共用推进系统时的燃料分配。第五类是安全规避与离轨处置，例如碰撞预警下的规避机动和寿命末期的离轨制动。

这些场景的共同点是：都需要在有限推进剂预算下，以尽可能小的速度增量代价完成规定的轨道状态改变或保持要求。不同场景对时间、精度、测控可见性和推力大小的约束不同，因而优化问题的形式也不同。

燃料消耗在任务总成本中的权重

燃料消耗对任务总成本的影响体现在多个层面。首先是发射成本：推进剂质量直接占用运载能力，每增加1 kg推进剂，往往意味着有效载荷减少约1 kg，而发射到不同轨道的单位质量成本差异巨大。其次是平台成本：贮箱、管路、发动机和增压系统的规模随推进剂装载量增加而增大，结构质量与复杂度同步上升。第三是寿命成本：推进剂余量决定了在轨可执行机动的次数与总速度增量预算，直接影响任务寿命和备份能力。第四是运行成本：地面测控、轨道确定与机动规划的人力与时间投入，也随机动次数和复杂度增加。

以一个教学示例说明：假设某低轨遥感卫星平台干重800 kg，初始推进剂装载60 kg，比冲220 s。若每次轨道维持机动平均需要约2 m/s速度增量，按齐奥尔科夫斯基公式估算，单次消耗推进剂约为 m·(1−e^(−Δv/(Isp·g₀)))，代入可得约0.74 kg。若每年执行20次维持机动，则年消耗约14.8 kg，60 kg推进剂仅能支撑约4年。若通过优化将每次机动速度增量降低20%，则年消耗降至约11.8 kg，寿命可延长约1年。这个示例说明，燃料优化带来的寿命收益是可量化的，且往往非常可观。

燃料优化问题的数学本质

燃料优化问题在数学上通常表述为：在满足轨道动力学约束、任务时间约束、推力幅值约束和终端状态约束的前提下，寻找控制量（推力方向、推力大小、点火时刻或脉冲速度增量）使推进剂消耗最小。以脉冲机动为例，若将每次机动视为瞬时速度增量 Δvᵢ，则总燃料消耗与总速度增量近似成正比，优化目标可写为最小化 Σ|Δvᵢ|。若考虑连续推力，则目标为最小化 ∫|T(t)|/ (Isp·g₀) dt，其中 T(t) 为推力矢量。

约束条件主要包括以下几类。动力学约束：航天器状态必须满足运动方程，如二体加摄动模型或高精度数值模型。边界约束：初始轨道状态已知，终端轨道状态需满足任务要求，如半长轴、偏心率、倾角和升交点赤经的允许范围。时间约束：某些机动必须在指定时间窗口内完成，如交会对接的接近段。推力约束：发动机推力幅值和方向受限，连续推力时还需考虑最小开机时间和推力上升下降过程。工程约束：测控弧段、地面站可见性、姿态机动能力、热控和电源限制等。

从优化理论角度看，这类问题属于最优控制问题，通常可用间接法（如庞特里亚金极小值原理）或直接法（如非线性规划、序列二次规划）求解。间接法能给出解析形式的最优推力方向，但协态变量初值难猜；直接法将连续问题离散为参数优化问题，便于加入复杂约束，但计算量较大。实际工程中常采用混合策略：先用简化模型获得初值，再用高精度模型迭代修正。

工程实践中的关键判断

在实际任务中，燃料优化并非单纯追求数学上的最小值，而需要在多个目标之间权衡。例如，过度追求省燃料可能导致机动时间过长，增加测控弧段占用和碰撞风险；过于频繁的小脉冲机动虽然单次消耗小，但会累积姿态机动和推力器开机次数，增加系统磨损和故障概率。因此，工程上通常设定一个可接受的优化区间，而非绝对最优解。

另一个关键判断是燃料预算的分配。任务初期通常保留较多推进剂以应对未知异常，任务中后期则可根据实际消耗情况调整后续机动策略。这种动态调整能力本身也是燃料优化的一部分，它要求轨道确定、机动规划和推进系统状态监测形成闭环。