【技术实现步骤摘要】
本专利技术涉及地月特殊轨道间探测器转移设计，具体涉及基于深度神经网络的地月三体模型下轨道转移方法及系统。
技术介绍
1、月球作为地球唯一天然卫星，对其进行探测研究一直是深空探测领域的热门。月球资源勘探、深空探测器通信能力验证、深空探测器交会对接能力验证等任务的需求与日俱增，而探测器转移轨道的设计是实现上述目标的基础之一。其中，halo轨道、nrho轨道以及dro等地月系统特殊轨道由于其空间位置、运行规律的特殊属性，为一些空间任务的开展提供了便利。如何快速高效地完成特殊轨道间转移轨道的设计已逐渐成为研究热点。
2、传统的深空探测轨道转移方案设计中，广泛使用圆锥曲线拼接法，但圆锥曲线拼接法受限于动力学模型，只适用于二体问题，无法真实地描述引力环境，存在较大误差与不确定性。在三体动力学模型下，当转移轨道的始末状态已知，转移时间确定，则可以描述为三体lambert问题。但由于三体动力学模型的强非线性，三体问题没有解析解，求解过程依赖数值积分。针对三体问题求解困难，计算量大的现状，文献[1]提出了一种拟线性化-局部变分迭代法(ql-l...
【技术保护点】
1.基于深度神经网络的地月三体模型下轨道转移方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度神经网络的地月三体模型下轨道转移方法，其特征在于，步骤一的具体步骤包括：
3.根据权利要求2所述的基于深度神经网络的地月三体模型下轨道转移方法，其特征在于，步骤三中所述地月系统特殊轨道间直接转移优化模型包括上层优化模型和下层优化模型；其中，
4.根据权利要求3所述的基于深度神经网络的地月三体模型下轨道转移方法，其特征在于，所述基于粒子群算法与训练好的深度神经网络对所述直接转移优化模型进行迭代求解包括：将所述特殊轨道间转移训练...
【技术特征摘要】
1.基于深度神经网络的地月三体模型下轨道转移方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度神经网络的地月三体模型下轨道转移方法，其特征在于，步骤一的具体步骤包括：
3.根据权利要求2所述的基于深度神经网络的地月三体模型下轨道转移方法，其特征在于，步骤三中所述地月系统特殊轨道间直接转移优化模型包括上层优化模型和下层优化模型；其中，
4.根据权利要求3所述的基于深度神经网络的地月三体模型下轨道转移方法，其特征在于，所述基于粒子群算法与训练好的深度神经网络对所述直接转移优化模型进行迭代求解包括：将所述特殊轨道间转移训练集和离散的转移时间作为搜索条件，利用粒子群算法对所述上层优化模型进行优化求解，计算获得最优转移方案作为输出量，其中，所述最优转移方案包括转移起始点位置及速度、转移目标点位置及速度和转移时间的组合；对于下层优化模型，将上层优化模型输出的最优转移方案输入训练好的深度神经网络，得到对应的脉冲序列，并计算得到对应指标；其中，所述对应指标为转移轨道数据、转移脉冲的大小或消耗能量的多少；将所述对应指标反馈至上层优化模型，利用粒子群算法重新进行选点，重复迭代上述步骤直至达到期望指标或最大迭代次数，得到迭代指标曲线、地月三体模型下转移轨道。
5.基于深...
【专利技术属性】
技术研发人员：张泽旭，罗宇航，王义宇，胡志杰，李宸硕，包为民，徐田来，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。