基于强化学习的在轨目标逼近

从强化学习的角度,对在轨目标逼近问题进行研究,设计了一种整合制导与控制的端到端的算法。首先对在轨目标逼近问题进行数学建模;然后对强化学习算法原理进行简介,根据问题特点分析不同强化学习框架的优劣,确定以DDPG作为算法框架,并设计了基于强化学习的在轨目标逼近算法;最后通过仿真验证,分析了基于强化学习逼近算法的优劣性。

基于深度学习的空间多目标识别方法研究

随着智能感知技术、目标识别技术的快速发展,以卫星为主要代表的太空飞行器已成为各国太空攻防出奇制胜的重要军事资源。精确识别卫星的类型,并精确定位卫星的帆板、喷管、星敏感器等部件是实施太空攻防和在轨维护的重要前提及保障技术。利用基于深度学习的卷积神经网络YOLO模型对空间卫星及其部件进行识别,对两种卫星模型的三维模型及实物模型图片集进行训练,对近距离正视、远距离、遮挡、运动模糊等不同条件下的卫星及卫星部件进行识别,几种情况下卫星及卫星部件的识别准确率均达到了90%以上,对在轨服务、太空攻防对抗等领域有重要意义。