使用神经网络估计小推力交会燃耗量的方法技术

本发明专利技术公开了一种使用神经网络估计小推力交会燃耗量的方法，首先获得初始和目标轨道、交会时长与燃耗量一一对应的训练数据集；然后搭建两个神经网络，其中一个用以建立小推力交会轨迹的可实现性的代理模型，另一个用以建立小推力交会燃耗量计算的代理模型；利用采样数据对神经网络进行训练，最后根据输入的任意初始轨道和目标轨道，作为输入层数据，首先代入第一个神经网络获得输出层数据，即为小推力交会的可行性，若该轨道转移可行，则继续代入第二个神经网络获得输出数据，即为小推力交会速度增量。本发明专利技术解决了现有技术中存在的小推力轨迹优化方法计算量大、收敛性能低且近似精度低的问题。精度低的问题。精度低的问题。

【技术实现步骤摘要】
使用神经网络估计小推力交会燃耗量的方法


[0001]本专利技术属于航天导航控制
，具体涉及一种使用神经网络估计小推力交会燃耗量的方法。

技术介绍

[0002]交会轨迹优化是航天器轨道设计的基础技术之一。在近地轨道，交会必须考虑摄动项的影响。在动力学模型不是二体模型时，传统的小推力轨迹优化方法均存在计算量变大，收敛性能降低的现象。在某些任务设计场合，可能只需要快速评估交会是否可实现以及所需的推进剂，而不需要直接得到精确的交会轨迹。针对这种需求，利用神经网络获得交会推进剂或燃料消耗量的代理模型可以显著提高计算效率。但需要解决神经网络的结构设计，输入变量预处理等一系列问题。本专利技术引入神经网络对小推力交会燃耗量进行估计，将使用其他方法获得的优化结果作为样本，通过大规模的训练学习获得燃耗量与起始和目标轨道根数以及转移时间的近似关系，可以达到较高的近似精度。

技术实现思路

[0003]本专利技术的目的是提供一种使用神经网络估计小推力交会燃耗量的方法，解决了现有技术中存在的小推力轨迹优化方法计算量大、收敛性能低且近似精度低的问题。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.使用神经网络估计小推力交会燃耗量的方法，其特征在于，具体按照以下步骤实施：步骤1、获得初始和目标轨道、交会时长与燃耗量一一对应的训练数据集；步骤2、搭建两个神经网络，其中一个用以建立小推力交会轨迹的可实现性的代理模型，另一个用以建立小推力交会燃耗量计算的代理模型；步骤3、利用采样数据对神经网络进行训练，获得网络的最优权重，最优权重作为神经网络的训练结果，用于下一步的实际根数输入；步骤4、根据输入的任意初始轨道和目标轨道，作为输入层数据，首先代入第一个神经网络获得输出层数据，即为小推力交会的可行性，若该轨道转移可行，则继续代入第二个神经网络获得输出数据，即为小推力交会速度增量。2.根据权利要求1所述的使用神经网络估计小推力交会燃耗量的方法，其特征在于，所述步骤1具体按照以下步骤实施：首先使用随机数生成初始和目标轨道，设x[12]是一组随机生成的
‑
1到1之间的数列，则初始轨道根数的六个分量表示为则初始轨道根数的六个分量表示为则初始轨道根数的六个分量表示为则初始轨道根数的六个分量表示为则初始轨道根数的六个分量表示为则初始轨道根数的六个分量表示为其中a0,e
x0
,e
y0
,i0,Ω0,u0为初始轨道六根数，分别表示给定的半长轴、偏心率矢量x分量、偏心率矢量y分量、倾角、升交点赤经和纬度辐角的采样中间值，δa,δe,δi,δΩ,δu表示给定数据随机变化的最大范围，目标轨道根数的六个分量也表示为δΩ,δu表示给定数据随机变化的最大范围，目标轨道根数的六个分量也表示为δΩ,δu表示给定数据随机变化的最大范围，目标轨道根数的六个分量也表示为δΩ,δu表示给定数据随机变化的最大范围，目标轨道根数的六个分量也表示为δΩ,δu表示给定数据随机变化的最大范围，目标轨道根数的六个分量也表示为δΩ,δu表示给定数据随机变化的最大范围，目标轨道根数的六个分量也表示为其中，a
f
,e
xf
,e
yf
,i
f
,Ω
f
,u
f
为初始轨道六根数；同时用一个0到1的随机数k
t
表示交会时长Δt，使用一个0到1的随机数表示航天器当前推力与质量的比值，即小推力加速度acc：Δt＝Δt
min
+k
t
Δt
max
acc＝k
acc
acc
max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中acc
max
表示航天器小推力加速度最大值，Δt
min
为交会时长最小值，Δt
max...

【专利技术属性】
技术研发人员：黄岸毅，李恒年，沈红新，蒯政中，盛超，李昭，郭延臣，
申请(专利权)人：中国西安卫星测控中心，
类型：发明
国别省市：