[發(fā)明專利]基于深度神經(jīng)網(wǎng)絡(luò)與打靶算法的J2攝動Lambert問題求解方法

在審

• 申請?zhí)枺?/td>: 202011481379.4
• 申請日: 2020-12-15
• 公開（公告）號: CN112560343A
• 公開（公告）日: 2021-03-26
• 發(fā)明（設(shè)計(jì)）人: 李爽;楊彬
• 申請（專利權(quán)）人: 南京航空航天大學(xué)
• 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(wù)所 32237
• 代理人: 賀翔

1.一種基于深度神經(jīng)網(wǎng)絡(luò)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(jù)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(jìn)行軌道遞推，獲取J2攝動干擾下的末端位置誤差；

2)根據(jù)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(xùn)練得到的深度神經(jīng)網(wǎng)絡(luò)預(yù)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(jìn)行打靶修正，直至末端位置精度滿足要求。

2.根據(jù)權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)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(jù)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(jù)權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)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(jù)得到的始端速度初值v₀和已知的始端位置r₀進(jìn)行軌道遞推，遞推時間等于飛行時間，遞推動力學(xué)模型采用J2攝動動力學(xué)模型，得到航天器實(shí)際到達(dá)的末端位置和速度矢量(r_a,v_a)，結(jié)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(jù)權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)的訓(xùn)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(xué)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(xué)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(biāo)描述；始端速度初始猜測值為v_d＝v₀+Δv₀。

5.根據(jù)權(quán)利要求4所述的基于深度神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本獲取步驟具體如下：

21)隨機(jī)生成初始軌道狀態(tài)和飛行時間[r₀；v_s0；tof]；

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

23)基于始末端狀態(tài)和飛行時間參數(shù)，通過求解二體Lambert問題，計(jì)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(tài)[r₀；v₀]，在J2攝動動力學(xué)模型下遞推，得到實(shí)際末端位置r_a；

25)計(jì)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(xùn)練樣本，且所有矢量均在球坐標(biāo)系下描述。