航天器反应式碎片规避动作规划方法

提出一种航天器反应式碎片规避动作规划方法，首先以扰动流体动态系统(IFDS)算法作为动作规划的基础算法，通过其中的总和扰动矩阵对航天器的轨道速度矢量进行修正，实现轨道机动规避；然后，建立基于双延迟深度确定性策略梯度(TD3)深度强化学习算法的反应式动作规划方法，通过TD3在线优化IFDS规划参数，实现对碎片群的“状态-动作”最优、快速规避决策。在此基础上，将优先级经验回放和渐进式学习策略引入该方法中，提升训练效率。最后，仿真结果表明，所提方法可使航天器安全规避多发、突发、动态且形状各异的空间碎片群，且具有较好的实时性。     

一种空间目标异动威胁评估的贝叶斯网络模型

针对现有空间目标威胁评估方法存在的指标选取单一、可信度较差的问题，通过分析空间目标威胁特点和特征指标的依赖关系，提出一种基于贝叶斯网络的威胁评估模型，该模型融合形态异常特征、轨道异常特征、历史行为等多源信息实现对空间目标威胁程度的综合评价。模型采用模糊隶属度函数对相对速度、相对距离等连续变量进行离散化隶属度表示，利用专家知识给出贝叶斯网络节点间的条件概率表。对抵近绕飞和碰撞两种典型空间场景进行仿真验证，结果表明该模型可以较为准确地刻画空间目标的威胁程度，具有一定实际意义。