机构名称：
¥ 1.0
摘要 自主性是未来太空任务中越来越重要的组成部分，新技术对于应对可能对任务成功构成风险的机载异常事件是必不可少的。在寻找一个令人满意的机动计划来纠正意外事件时，对于地月空间的机载低推力任务应用来说，初步确定合适的收敛域仍然具有挑战性。这项研究通过展示人工神经网络作为估计传统迭代制导和控制方法的准确启动解决方案的有前途的工具来解决这一挑战，从而产生了一个强大的“混合”架构，该架构同时受益于神经网络的计算简单性和目标方案的稳健性，以满足准确性要求并确保任务成功。在这个范例中，差分校正直接纳入强化学习过程，任务是让生成的神经网络控制器进行轨迹恢复的初始猜测识别。在“失控”航天器场景中演示了快速低推力机动规划，其中随着时间的推移，偏离计划的近直线光环轨道路径导致定位无效，并且需要采用替代方法来确定有效的恢复计划。关键词：航天器自主性、强化学习、低推力、地月空间、神经网络控制
IAC–22–C1.6.2 自适应闭环机动规划...
主要关键词
相关文件推荐
![IAC 8/10/22 公共卫生[641] 第 42 章，第 1 页 第 42 章 ...](/simg/4/4c1a68567ed70a3dbbd11772f36fcf7a187bbf18.webp)
