基于 Lyapunov 方法的深度神经网络协同航天服务控制——在部分反馈下

多智能体系统正日益应用于空间任务中，包括分布式空间系统、韧性星座以及自主对接作业。一个关键新兴应用是协同航天服务，涵盖轨道维护、空间碎片清除以及基于群体的卫星再定位。这些任务涉及与故障或失效航天器进行交互，面临状态信息有限、测量误差以及目标行为不规则等挑战。现有方法往往依赖完整状态知识或单积分动力学假设，这些假设在涉及二阶航天器动力学的实际应用中难以实现。本文通过开发分布式状态估计与跟踪框架，仅要求相对位置测量、在部分状态信息下工作，来应对这些挑战。引入一种新颖的 $\rho$-filter 以利用局部信息重构未知状态，并开发一种基于 Lyapunov 的深度神经网络自适应控制器，以自适应补偿来自未知航天器动力学的不确定性。为确保协同航天服务问题具备可求解性，定义了可跟踪性条件。提供基于 Lyapunov 的稳定性分析，确保在可跟踪性条件下，状态估计与航天器调节误差指数收敛于原点邻域。该方法无需昂贵的速度传感器或大量预训练，为航天服务在复杂动态环境中的实用且稳健解决方案。