信息非完备下多航天器轨道博弈强化学习方法

针对信息非完备约束下航天器轨道博弈难以自主决策的问题，基于多智能体强化学习提出一种多航天器轨道博弈决策方法。首先建立轨道博弈动力学和信息非完备约束。其次建立用于训练和决策的神经网络模型，依据分布式系统架构对网络的输入输出结构进行设计，并引入具有记忆功能的长短期记忆网络(LSTM),根据航天器轨道运动在时间、空间连续的属性，补偿位置、速度测量信息的非完备性。然后采用近端策略优化(PPO)算法开展红蓝左右互搏式学习训练。最后通过三组对比训练实验，验证了所提出的方法在信息非完备约束下能够有效增强学习训练过程的稳定性，并提升任务完成率和降低燃料消耗。     

基于双四杆机构的可重复自动锁紧解锁装置

针对梦天实验舱对接、转位等工况，对日定向转动关节在轨多次锁紧解锁的需求，采用双四杆机构、自适应末端效应器等，设计一款可重复自动锁紧解锁装置。为了验证该锁紧解锁装置，利用研制产品，展开真空高温、真空低温、大气环境等多种状态下的锁紧解锁试验。结果表明:该机构可实现多种状态下的可重复自动锁紧解锁功能;在28 V直流工作电压下，锁紧动作执行时间为17.09~17.15 s，解锁动作执行时间为16.51~16.89 s。该机构具有高可靠、全角度、在轨可重复锁紧解锁等优点，在航天器锁紧解锁方面具有较大的工程应用潜力。     

带有时间与探测约束的“到达-回避”博弈

针对飞行器具有运行时间约束以及所携带探测器具有有限探测范围的现实情况，在传统生命线对策问题的基础上提出了一类考虑时间约束与探测约束的新型“到达-回避”定性微分对策博弈。通过分析对策问题所有可能的中性终端集以及问题对应的哈密顿方程，给出了防御者与进攻者最优博弈策略形式。利用所得到的策略和攻防双方的约束条件，得到了原问题对应界栅的精确解，并通过数值仿真验证了界栅的正确性。所得到的界栅可将博弈空间分为攻防双方的获胜区域，并可用于快速判断博弈问题最终结果，为飞行器攻防博弈双方的策略制定提供理论依据。