航天器轨道追逃态势分析的水平集方法

航天器轨道追逃是当前航天动力学与控制领域的研究热点。针对轨道追逃定性问题开展研究,提出了一种综合运用降维动力学模型和后向可达集的航天器近距离轨道追逃态势分析方法,以支撑任务可行性分析;通过在视线旋转坐标系下推导博弈系统降维动力学模型,建立近距离追逃定性问题模型,减少了状态空间维度;使用目标集的后向可达集描述捕获区并划分追逃状态空间,基于水平集方法建立可达集在降维动力学模型中演化的动态HJI(Hamilton-Jacobi-Isaacs)偏微分方程,并设计WENO-TVD求解器数值计算HJI方程终值问题粘性解,完成了追逃目标集的准确描述并避免了可能出现的终端奇异现象。通过不同推力构型的追逃场景数值仿真验证了方法的有效性,展现了一次计算批量化处理初始态势的功能。     

航天器轨道追逃动力学与控制问题研究综述

随着航天器交会与接近操作技术的快速发展,轨道追逃问题逐渐成为航天领域的研究热点。从动力学与控制视角,对航天器轨道追逃问题的研究现状进行综述。给出了基于定量微分对策的轨道追逃问题模型的一般形式,系统梳理了各种类型的轨道追逃问题;对于追逃策略求解,分别针对闭环策略和开环策略,分析了各种方法的优缺点;围绕人工智能算法与轨道追逃问题的结合,阐述了基于深度神经网络和强化学习的轨道追逃策略的研究现状。关于未来展望,提出了追逃博弈态势分析、多航天器博弈控制、三体条件下博弈动力学与控制等发展方向。     

航天器交会型轨道追逃策略的滚动时域优化

针对航天器自由时域交会型轨道追逃过程中的测量误差等不确定性对交会的影响,提出了一种基于滚动时域优化的高时效策略求解方法。根据微分对策理论推导得到博弈鞍点控制策略,并对问题进行等价转换;通过预先离线求解开环鞍点策略,将问题初始状态和相应的解作为样本以进行神经网络训练,训练后的网络结构可以快速得到相应问题的近似解。为了更好地应对博弈环境中的测量噪声,基于神经网络结构设计了滚动时域求解框架,并通过周期性的滚动求解最终实现对逃逸航天器的交会。数值仿真表明,所提出的策略可以有效应对测量噪声不确定性,且相比于文献中已有的策略,计算耗时可从分钟级降至秒级。