基于深度神经网络的变比冲小推力交会实时最优控制（英文）

针对燃料最优交会问题,提出了一种基于深度神经网络的实时控制方法。首先,发展了面向燃料最优交会问题的轨迹反向生成方法,该方法基于现有的反向生成思想进行二分法迭代,以满足反向积分的两个截止条件。然后,构造了一种适用于变比冲模型的深度神经网络结构,并将网络的输出控制分为推力输出和比冲输出。提出了先学习最优比冲,然后根据比冲的实际上下限约束对其进行限制以获得比冲输出的方法。进一步,通过设计增强容错深度神经网络以提高交会任务末端接近段的鲁棒性。最后,通过对地球至阿波菲斯小行星和地球至火星的任务仿真,验证了所提方法的有效性和高效性。