一种高价值航天器集群智能护卫方法

    公开(公告)号:CN118597444A

    公开(公告)日:2024-09-06

    申请号:CN202410759991.5

    申请日:2024-06-13

    Abstract: 本申请公开了一种高价值航天器集群智能护卫方法,属于航天器技术领域,包括:获取航天器集群的初始数据,其中,航天器集群包括多个自主决策的航天器;根据初始数据,结合航天器轨道模型、卫星星载传感器模型、光照模型对航天器集群进行环境推演并得到当前模拟环境;构建航天器集群的行为规则库和能力规则库;设置奖励函数,根据多智能体强化学习算法和奖励函数建立强化学习模型,根据当前模拟环境、行为规则库和能力规则库,对强化学习模型进行迭代训练,直至强化学习模型收敛;根据收敛的强化学习模型对真实场景中的任务进行模拟得到最终的多智能体决策结果并进行可视化处理。针对航天器集群抵近问题进行决策,可规避其他航天器的辐射或干扰。

    J2摄动下Lambert问题求解方法和J2摄动下入轨补偿方法

    公开(公告)号:CN117236155A

    公开(公告)日:2023-12-15

    申请号:CN202310835360.2

    申请日:2023-07-07

    Abstract: J2摄动下Lambert问题求解方法和J2摄动下入轨补偿方法,涉及航空宇航技术领域。为解决现有技术中,并没有涉及如何降低成本和提高入轨精度和载质比、提高快速进入空间能力的方案的技术问题,本发明提供的技术方案为:J2摄动下Lambert问题求解方法,所述方法包括:采集飞行器当前初始位置、预设速度、预设时间和预设入轨目标位置的预设步骤;根据所述初始位置、预设速度和预设时间得到飞行器的实际位置的运行步骤;根据所述目标位置和实际位置的差值,得到速度增量并更新所述预设速度的更新步骤;重复所述运行步骤和所述更新步骤,直至所述差值小于预设阈值,并输出当前结果的步骤。适合应用于飞行器发射成本减少和提高入轨精度的工作和研究中。

Patent Agency Ranking