[发明专利]一种基于深度强化学习和导航向量场的卫星规避拦截方法

权利要求书

1.一种基于深度强化学习和导航向量场的卫星规避拦截方法，其特征在于，具体包括如下步骤：

首先，建立目标卫星的轨道坐标系O_eX_TY_TZ_T和轨道椭圆方程；并根据轨道椭圆方程设计Lyapunov函数，计算轨道坐标系的期望速度矢量v_d作为Lyapunov导航向量场；

轨道坐标系的期望速度矢量如下式：

式中v₀为期望的速度大小；A_d为目标卫星到椭圆轨道的距离V_d的梯度方向偏导值，即往轨道上收敛的垂向方向；B_d为与方向A_d垂直的切向方向偏导值；k_d为调整偏导值A_d与B_d之间比例的系数；

然后，针对空间中存在的K个拦截卫星，利用扰动流体动态系统算法根据目标卫星与拦截卫星的相对位置关系计算扰动矩阵；

所有拦截卫星的扰动矩阵为：

ω_k(P)表示第k个拦截卫星的扰动加权因子；M_k(P)表示第k个拦截卫星的扰动矩阵；

接着，根据拦截卫星的扰动矩阵修正初始的Lyapunov导航向量场，获得轨道坐标系下的期望速度

修正公式为：

最后，设计卫星规避拦截的深度强化学习模型；将深度强化学习模型中的参数输入近端策略梯度算法中，用于训练策略网络；目标卫星通过训练好的策略网络达到期望位置，完成对拦截卫星的规避；

所述深度强化学习模型包括以下：

1)动作建模：

将扰动矩阵中反应系数ρ_k和切向方向系数θ_k作为强化学习的动作输出：

a＝[ρ_k θ_k]

2)状态建模：

将目标卫星和拦截卫星在轨道坐标系下的位置、速度以及卫星的质量作为强化学习状态输入：

x＝[r_G r_M v_G v_M m_G]

式中r_G是目标卫星的位置；r_M是拦截卫星的位置；v_G是目标卫星的速度；v_M是拦截卫星的速度；m_G是目标卫星的质量；

3)奖励建模：

奖励函数：

其中，r_o(P)是对目标卫星离开预定轨道的弱激励项：

K_ro为可调正系数；和为轨道坐标系下目标卫星的三轴坐标；a为轨道半长轴，c＝ae，e为偏心率；

表示有效避免卫星拦截的弱激励项：

式中为可调正系数，表示卫星到拦截卫星的等效凸多面体表面的距离，ε_Γ为较小正数；

表示拦截碰撞的强奖励项：

式中为可调正系数；

r_t(P,v)表示规避拦截后目标卫星入轨强奖励项：

式中为正系数，ε_p和ε_v分别是对目标卫星入轨时位置和速度的精度要求，v为目标卫星的速度，v_T为预定轨道下期望速度。

2.根据权利要求1所述的方法，其特征在于，所述轨道坐标系O_eX_TY_TZ_T以地球中心为原点，Y_T指向轨道的近地点，X_T位于轨道平面内，垂直于Y_T轴并指向目标卫星的运行方向，Z_T轴与O_eX_TY_T平面形成右手直角坐标系；

轨道椭圆方程如下：

3.根据权利要求1所述的方法，其特征在于，所述Lyapunov函数为：

当V_d＝0时，收敛于轨道。