大跨时空任务背景下的太阳能无人机任务规划技术研究进展

通过任务规划技术合理的优化太阳能无人机的飞行轨迹和动力学参数,能够有效提高太阳能无人机的能量利用率,使其胜任许多大范围跨时间跨空间飞行任务。从能量建模、续航评估和能量管理策略3个方面对大跨时空任务背景下太阳能无人机任务规划技术的研究进展进行了综述。在能量建模方面,介绍了当前主流的太阳辐射模型和能量生产基本框架;在续航评估方面,分析了目前的指标设计和应用方法;在能量管理策略方面,从能量综合应用、风力滑翔机制、轨迹优化方法和面向特定任务的应用4个角度,梳理了当前的研究现状。最后,对该领域未来可能的研究方向进行了展望。     

基于深度强化学习的航天器多约束规避动作快速规划

航天器规避机动过程中面临多种复杂约束条件,传统基于数值优化的动作规划方法在处理相应模型和约束条件时存在初值敏感、计算时间较长等问题,难以对近距离轨道威胁做出及时反应.针对该问题,本文提出一种基于深度强化学习的航天器多约束规避动作规划方法.建立航天器六自由度非线性动力学模型以及相应姿轨机动约束条件;建立基于双延迟深度确定性策略梯度(TD3)的动作规划方法,通过TD3训练得到的神经网络在线生成满足多种约束条件的规避机动动作;构造与规划方法相适配的深度强化学习规范化训练环境,确保学习训练过程中智能体和环境的有效交互.仿真结果表明,所提方法能在预期交会时间仅数十秒的情况下快速实时生成规避动作,规划周期小于9 ms,远低于作为对比项的高斯伪谱法.     

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。