10.16708/j.cnki.1000-758X.2023.0057
基于PPO2强化学习算法的空间站轨道预报方法
影响热层大气密度的因素较多且变化机理复杂,很难建立准确的大气模型,导致大气阻力摄动成为空间站轨道预报精度的主要影响因素之一.研究了基于 PPO2 强化学习算法的轨道预报方法,利用强化学习网络修正大气模型中的相关参数,提高了轨道预报精度.首先建立了空间站的轨道动力学模型,分析了大气模型参数的误差特性,设计了基于强化学习的轨道动力学模型修正方案.选择PPO2 算法作为强化学习算法,设计了训练参量与强化学习网络模型,生成了PPO2 算法的训练和测试样本,完成了仿真训练与测试.仿真结果表明,该方案能有效补偿大气密度模型不准确造成的轨道预报误差,提高空间站轨道预报的精度和效率.
大气阻力摄动、空间站、轨道预报、轨道动力学模型修正、PPO2算法
43
V448.2(航天仪表、航天器设备、航天器制导与控制)
装备预研航天科技联合基金6141B060907
2023-07-26(万方平台首次上网日期,不代表论文的发表时间)
共11页
93-103