基于深度神经网络的无限时域型航天器追逃策略求解*
2020-01-09吴其昌张洪波
航天控制 2019年6期
关键词:深度
吴其昌 李 彬 李 君 张洪波
1.国防科技大学空天科学学院,长沙 410073 2.中国运载火箭技术研究院,北京 100076
航天器在轨追逃问题是一种典型的双方最优控制问题,微分对策理论[1]是求解此类问题的主流方法,国内外学者对其进行了深入的研究。一般而言,航天器的追逃运动模型通常维数较高,且方程通常为非线性形式,因此追逃问题的分析和求解都十分困难。Shen应用动力学分析方法研究了航天器追逃问题,提出追踪航天器应该首先机动到目标航天器所在的轨道面后,再追逐目标航天器[2]。Jaga等在研究航天器追逃博弈的问题时,通过使用状态依赖黎卡提方程将线性二微分博弈论扩展到有限时间非线性航天器追逃博弈中,导出了非线性控制律,结果表明在各场景下都优于线性控制律[3]。Venigalla等使用可达集对航天器交会和追逃博弈进行了研究,强调使用非最优机动来作为多航天器问题的控制方案,并验证了可达集的准确性,找到了使用可达集来解决交会和追捕/逃避问题的必要条件[4]。Shen等将双边优化问题视为最优控制问题的扩展,把间接优化方法应用于追逃博弈问题,找到了一种快速有效的方法[5]。
人工神经网络通过模拟人脑的工作方式搭建变量之间的映射,使得人工神经网络具备了传统方法不具备的非线性信息处理能力,从而具有生物神经网络的某些特性,如学习、识别、控制等功能[6]。当前,将神经网络应用于航天器的制导与控制已经有了少量的研究。……
登录APP查看全文
