小推力转移燃料消耗估计的机器学习方法

摘要：

深空探测任务设计初段往往需要求解复杂的全局优化问题.小推力轨迹的设计与优化问题精确求解较为复杂,求解速度较慢.由于计算能力与时间要求,不可能在全局优化的过程中对每一个方案都进行精确的小推力数值求解,所以在全局优化阶段需要对小推力转移进行快速准确地估计.采用机器学习的方法,对燃料最优小推力转移的燃料消耗进行了估计,其结果明显优于目前最为常用的Lambert估计方法.根据轨道描述方法的不同以及是否带有Lambert估计特征,采用不同的特征组合进行机器学习,分析结果发现带有Lambert估计特征的春分点轨道根数的特征组合为较好的机器学习特征组合.可为未来深空探测任务轨道设计提供参考.

关键词：小推力、燃料最优、快速估计、机器学习

所属期刊栏目：6

分类号：TP18(自动化基础理论)

在线出版日期：2019-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：195-200