基于深度神经网络的高轨最优Lambert变轨规划

作者：徐杭; 宋斌; 余建慧; 郭延宁^*; 马广富

来源：控制与决策, 2023, 1-9.

DOI：10.13195/j.kzyjc.2019.0699

• 深度神经网络
• 在轨服务
• Lambert变轨
• 高轨
• 燃料最优优化
• PSO

针对高轨在轨服务与主动式碎片清除任务中的Lambert变轨规划问题，提出了一种基于深度神经网络的燃料最优快速求解方案。首先，考虑J2摄动力影响与共面圆轨道假设，建立了基于Lambert变轨的问题表征。其次，针对轨迹规划问题提出了考虑J2摄动力影响的两步PSO优化算法，并经过仿真实验总结了变轨过程?V消耗相对转移时长的变化规律（?V-T曲线特性），定义了样本的形式，构建了燃料最优变轨知识库。基于总结的变化规律及样本非线性函数关系的特征，引出了基于深度神经网络的快速轨迹规划策略，从而将Lambert计算次数缩小为两次。最后，通过仿真试验，验证了所提高轨最优Lambert变轨规划策略的有效性，在测试集上实现了关键区域变轨时长预测0.0140%的平均绝对误差，新策略具备广泛的应用前景。

• 单位
  哈尔滨工业大学; 航天学院; 北京跟踪与通信技术研究所; 上海宇航系统工程研究所