[发明专利]一种航天器姿态轨道协同优化的智能决策方法

权利要求书

1.一种航天器姿态轨道协同下的智能决策方法，其特征在于，包括：

开展航天器轨道动力学、姿态动力学仿真，以预定的仿真迭代步长，获取航天器相对于预定任务目标的位置、速度、姿态四元素和欧拉角速度；将上述得到的数据、轨道系下太阳的相对位置作为样本池；

建立航天器姿轨耦合决策模型，包括姿态决策神经网络、轨道决策神经网络及上述两个决策神经网络进行强化学习的奖励函数算法，姿态决策神经网络、轨道决策神经网络分别生成航天器在轨道系下x、y、z三个方向期望的控制力矩、速度增量，对航天器的姿态、轨道进行控制；

以不同的采样频率异步采集样本池数据，分别作为姿态决策神经网络、轨道决策神经网络的训练数据，对上述两个决策神经网络的权值进行迭代更新，完成网络训练，得到训练成功的航天器姿轨耦合决策模型；

采集当前待进行预定任务目标监测的航天器相对于预定任务目标的位置、速度、姿态四元素、欧拉角速度以及轨道系下太阳的相对位置，带入训练成功的航天器姿轨耦合决策模型，得到期望的速度增量与期望力矩，驱动航天器进行姿态、轨道变化，实现对预定轨道目标的轨道抵近。

2.根据权利要求1所述的一种航天器姿态轨道协同下的智能决策方法，其特征在于，建立轨道决策的神经网络，包括：

建立轨道决策神经网络，该网络的输入数据包括航天器相对于预定任务目标的位置和速度、轨道系下太阳的相对位置，输出为航天器在轨道系下的x、y、z三方向期望的速度增量。

3.根据权利要求1所述的一种航天器姿态轨道协同下的智能决策方法，其特征在于，建立姿态决策的神经网络，包括：

设计姿态决策神经网络，该网络的输入数据包括航天器相对于预定任务目标的姿态四元数、姿态角速度、位置、速度，输出为航天器在轨道系下x、y、z三个方向期望的控制力矩。

4.根据权利要求1-3任一项所述的一种航天器姿态轨道协同下的智能决策方法，其特征在于，所述轨道决策神经网络、所述姿态决策神经网络均为全连接神经网络，网络的激活函数均为ReLU函数。

5.根据权利要求1所述的一种航天器姿态轨道协同下的智能决策方法，其特征在于，奖励函数算法包括公有部分和私有部分：

公有部分用于评价预定任务的完成度，对于姿态决策神经网络和轨道决策神经网络的训练是相同的数值；

私有部分对于姿态决策神经网络和轨道决策神经网络的训练具有差异性：对于轨道决策神经网络，私有部分设计为与速度增量相关的函数，对于姿态决策神经网络，私有部分设计为与控制力矩相关的函数。

6.根据权利要求1或5所述的一种航天器姿态轨道协同下的智能决策方法，其特征在于，轨道决策神经网络的奖励函数算法为：

式中，cosθ为以航天器为顶点、预定任务目标与太阳的夹角，d₁₂为航天器与预定任务目标之间的距离，|Δv|为轨道系下x、y、z三个方向速度增量的绝对值之和，|ΔT|为航天器在x、y、z三个方向期望的控制力矩的绝对值之和，t表示预定任务进行时间，f表示预定任务完成度，t+f为奖励函数的公有部分。

7.根据权利要求1或5所述的一种航天器姿态轨道协同下的智能决策方法，其特征在于，姿态决策神经网络的奖励函数算法为：

rew_0b2+＝C₂+|ΔT|+t+f

其中C₂为预定任务目标对航天器的影响评估值，|ΔT|为航天器在x、y、z三个方向期望的控制力矩的绝对值之和，t表示任务进行时间，f表示任务完成度，t+f为奖励函数的公有部分。

8.根据权利要求1所述的一种航天器姿态轨道协同下的智能决策方法，其特征在于，将用于姿态决策神经网络的训练数据按照仿真迭代步长的20-100倍时间从样本池中采集，将用于轨道决策神经网络训练的数据按照仿真迭代步长的10000-30000倍时间从样本池中采集。