小推力最优轨迹协态估计的高效机器学习方法

摘要：

针对变比冲小推力轨迹间接优化中的协态变量初值猜测问题,提出了一种基于机器学习的协态变量初值高精度高效估计方法.首先,基于标称最优轨迹延拓,建立了状态量边值高扰动上限情形下的数据集生成方法,并分析了扰动上限对求解效率的影响.然后,构建了基于位置速度、轨道根数和改进春分点轨道根数多形式状态量组合输入的人工神经网络(ANN)映射关系,分析并优化了神经网络结构.将提出的方法应用于深空探测小推力转移场景,仿真结果表明该方法相对于标称轨迹直接扰动的数据集生成方法及单一形式状态量输入的人工神经网络映射方法,均有效地提升了求解收敛率,能够高效高精度地估计协态变量初值,实现轨迹快速优化.

关键词：小推力、变比冲、轨迹优化、机器学习、间接法

所属期刊栏目：43

分类号：V412.4(基础理论及试验)

资助基金：国家自然科学基金;江苏省自然科学基金;中国科协青年人才托举工程;南京航空航天大学研究生科研与实践创新计划项目

在线出版日期：2022-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：593-602