论文部分内容阅读
为保证在轨机动实时性和高精度的要求,提出了一种基于机器学习的在轨实时机动决策方法.通过优化算法离线获得摄动下的精确解,减去二体解得到速度增量差,将其投影到轨道坐标系获得速度增量摄动修正项,以此作为神经网络输出,设计网络参数并训练得到摄动修正网络、组合应用摄动修正网络和二体解实现高精度的在轨实时轨道机动决策.仿真结果表明:卫星按照该决策机动完成后的终端位置偏差与按照优化算法给出的决策机动完成后终端位置偏差精度一致,且前者决策耗时仅为后者决策耗时的0.01％左右.所提轨道机动决策方法兼顾了精度与实时性,适用于星上决策.