基于快速筛选策略的多航天器交会任务规划

研究了位于地球同步轨道(GEO)上的多航天器交会任务规划问题。以交会所需的燃料作为优化指标,建立了一个交会任务规划模型,旨在确定服务航天器的交会顺序和机动轨迹。采用灵活的两脉冲兰伯特机动策略来实现目标交会,并通过遗传算法解决优化问题。在约束条件处理中,引入了一种基于机器学习技术的分类筛选策略。快速判断个体的适应度值,减少适应度值计算,以提高进化算法的优化求解效率。最后,通过提供的仿真案例和对比实验,验证了所研究算法的卓越性能。

基于鲁棒协同控制方法的多航天器交会问题

提出一种解决多航天器交会问题的协同控制算法。首先应用图论中邻接矩阵及拉普拉斯矩阵的定义及其相关性质,描述了多航天器之间的通信拓扑关系;其次对目标航天器轨道为椭圆形情况下的交会问题进行构建,并设计了相应的协同控制算法;最后利用李雅普诺夫函数证明该系统的稳定性,并且能够保证消耗的能量最优以及最大推力受限。仿真实验表明:提出的方法可以实现多航天器的协同交会,验证了该方法的有效性。