基于深度神经网络的航天器反交会逃逸方法

针对空间近距离非合作交会,提出一种基于深度神经网络(DNN)的航天器智能反交会逃逸方法.首先建立了描述逃逸脉冲优化的双层数学规划(MP)问题模型;然后,选定神经网络的输入与输出,根据前述建立的模型,通过粒子群优化(PSO)算法计算不同相对状态下的最优逃逸脉冲,构建样本集;最后,设计神经网络并进行训练,通过比较学习效果合理选择网络的超参数.仿真结果表明,充分训练后的深度神经网络可以高精度地快速生成逃逸脉冲,并具有较好的泛化性能,可满足轨道博弈中对逃逸机动计算快速性和实时性的要求,为反交会逃逸提供了一种智能化手段.