基于角度唯一导航及安全性考量的主动碎片清除任务远距离近站轨迹设计与引导
机器学习
2025-01-08 v3 机器学习
摘要
目标可观测性、安全性与鲁棒性常被视为确保远距离近站作业成功的关键因素。角度唯一导航（AO）用于近站作业常因其在确定距离方面的固有局限性而引发目标可观测性及任务安全性问题。然而，该导航方式因低成本而极具吸引力。本文采用粒子群优化（PSO）和强化学习（RL）设计并开发远距离轨迹，确保角度唯一导航下可观测、安全且鲁棒。首先利用 PSO 设计出可观测、鲁棒且安全的 nominal 轨迹。随后采用先进的强化学习算法——近端策略优化（PPO）开发引导控制器，能够在保持可观测性的同时，将航天器从初始扰动态引导至目标态。通过蒙特卡洛（MC）方式对引导控制器的忠实度进行测试，通过变更初始相对航天器状态来验证。运用扩展卡尔曼滤波器（EKF）验证了 nominal 轨迹及带引导的扰动轨迹的可观测性。结果表明，训练好的控制器成功确定维持可观测性与安全性的机动动作，并到达目标终端态。
引用
@article{arxiv.2411.01006,
title = {Abstracted Shapes as Tokens -- A Generalizable and Interpretable Model for Time-series Classification},
author = {Yunshi Wen and Tengfei Ma and Tsui-Wei Weng and Lam M. Nguyen and Anak Agung Julius},
journal= {arXiv preprint arXiv:2411.01006},
year = {2025}
}
备注
Published in Neural Information Processing Systems (NeurIPS) 2024