基于深度神经网络快速逼近最优扰动长时长脉冲转移
最优化与控制
2019-02-26 v2
摘要
多目标交会任务的设计需要一种能够快速且准确逼近任意两个交会目标之间最优转移的方法。本文提出了一种基于深度神经网络（DNN）的方法，用于快速逼近最优扰动长时长脉冲转移。根据出发天体与交会目标之间升交点赤经（RAAN）差值的变化趋势，此类转移被划分为三种类型。开发了一种结合可靠优化方法的高效数据库生成方法。分别训练了三个回归 DNN，并应用于逼近相应类型的转移。仿真结果表明，对于所有三种类型的转移，训练良好的 DNN 能够以小于 3% 的相对误差快速估计最优速度增量。在总速度增量为数千 m/s 的碎片链上的测试表明，估计结果可以非常接近优化结果，最终估计误差小于 10 m/s。
引用
@article{arxiv.1902.03741,
title = {Fast Approximation of Optimal Perturbed Long-Duration Impulsive Transfers via Deep Neural Networks},
author = {Yue-he Zhu and Ya-zhong Luo},
journal= {arXiv preprint arXiv:1902.03741},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1902.03738