基于指针网络的空间目标遍历交会序列规划

单航天器对多目标的遍历交会任务规划是一类复杂度极高的混合整数优化问题,涉及顶层交会序列组合优化和底层飞行轨迹连续优化。现有方法将离散变量和连续变量一体优化,计算效率低且难以求得最优序列。提出了一种基于指针网络的多目标遍历交会序列规划方法,可快速获得最优序列。首先,构建了多目标遍历交会序列规划的神经网络模型,作为序列规划的决策智能体。其次,提出了一种基于异步优势函数行动者-评论家算法的无监督学习方法,避免了求解训练标签数据的计算开销。最后,为提高奖励函数的计算效率,在训练中嵌入了一种快速估计实际转移成本的近似方法。应用算例分析表明:所提出的训练方法可显著提高训练效率,经训练的决策智能体能够以超过88.7%的正确率快速求得最优序列。

应用分层递进算法的GEO异面多星序列交会优化方法

在地球静止轨道(GEO)异面多星序列交会规划中,服务卫星在轨道面内多次机动,可实现与多颗异面目标卫星在轨道面交点处依次交会,为此建立双层规划模型,并设计优化方法实现轨道机动过程燃料总消耗最小。外层以交会序列和交会时间为优化变量,属于混合整数规划问题,采用混合编码遗传算法求解。确定与各颗目标卫星的交会时间后,内层采用序列二次规划算法求解相邻2颗目标卫星之间的三脉冲变轨策略,最终使总的轨道机动速度增量最小。通过数学仿真验证了所提优化方法的正确性,在工程实际中能够快速获取交会序列和变轨策略,可为GEO异面多星在轨服务提供参考。