[發明專利]基于深度神經網絡與打靶算法的J2攝動Lambert問題求解方法

在審

• 申請號: 202011481379.4
• 申請日: 2020-12-15
• 公開（公告）號: CN112560343A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 李爽;楊彬
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06F17/16;G06F119/14
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 賀翔

1.一種基于深度神經網絡與打靶算法的J2攝動Lambert問題求解方法，其特征在于，步驟如下：

1)根據始末端位置矢量和飛行時間，利用普適變量法求解二體Lambert問題，得到始端速度初值，并基于得到的始端速度初值進行軌道遞推，獲取J2攝動干擾下的末端位置誤差；

2)根據步驟1)得到的末端位置誤差及初始條件中的始末端位置及飛行時間，利用訓練得到的深度神經網絡預估始端速度初值的誤差，并以此為校正量修正步驟1)得到的始端速度初值，得到修正后的始端速度初始猜測值；

3)利用基于差分近似的牛頓迭代打靶算法對始端速度初始猜測值進行打靶修正，直至末端位置精度滿足要求。

2.根據權利要求1所述的基于深度神經網絡與打靶算法的J2攝動Lambert問題求解方法，其特征在于，所述步驟1)具體包括：根據航天器的始末端位置矢量(r₀,r_f)和飛行時間tof，利用普適變量法求解二體Lambert問題，得到始端速度初值v₀；

v₀＝L(r₀,r_f,tof)

式中，L表示Lambert求解過程。

3.根據權利要求1所述的基于深度神經網絡與打靶算法的J2攝動Lambert問題求解方法，其特征在于，所述步驟1)具體還包括：根據得到的始端速度初值v₀和已知的始端位置r₀進行軌道遞推，遞推時間等于飛行時間，遞推動力學模型采用J2攝動動力學模型，得到航天器實際到達的末端位置和速度矢量(r_a,v_a)，結合已知理想末端位置r_f得到末端位置誤差Δr_f＝r_f-r_a。

4.根據權利要求1所述的基于深度神經網絡與打靶算法的J2攝動Lambert問題求解方法，其特征在于，所述步驟2)中的深度神經網絡的訓練樣本以始端位置矢量r₀和基于二體Lambert問題求解得到的始端速度初值v₀、飛行時間tof及簡單二體動力學下開普勒解的末端位置誤差矢量Δr_f為輸入，簡單二體動力學下開普勒解的始端速度誤差矢量Δv₀為輸出，且所有位置和速度矢量均采用球坐標描述；始端速度初始猜測值為v_d＝v₀+Δv₀。

5.根據權利要求4所述的基于深度神經網絡與打靶算法的J2攝動Lambert問題求解方法，其特征在于，所述步驟2)中深度神經網絡的訓練樣本獲取步驟具體如下：

21)隨機生成初始軌道狀態和飛行時間[r₀；v_s0；tof]；

22)將初始狀態[r₀；v_s0]在J2攝動動力學模型下遞推，得到末端狀態[r_f；v_f]；

23)基于始末端狀態和飛行時間參數，通過求解二體Lambert問題，計算始端速度初值v₀；

24)以始端位置和始端速度初值為初始狀態[r₀；v₀]，在J2攝動動力學模型下遞推，得到實際末端位置r_a；

25)計算始端速度初值v₀和末端位置r_a的誤差，Δv₀＝v_s0-v₀，Δr_f＝r_f-r_a；

26)以始端位置矢量r₀和始端速度初值v₀、飛行時間tof及末端位置誤差矢量Δr_f為輸入，始端速度初值的誤差矢量Δv₀為輸出，形成訓練樣本，且所有矢量均在球坐標系下描述。