基于深度神经网络的J2摄动Lambert问题快速求解器

本文提出一种新颖且快速的J2摄动Lambert问题求解器。该求解器由智能初值生成器与微分修正过程组合而成。智能初值生成器是一个深度神经网络，经训练用于修正由无摄动Lambert问题解给出的初始速度矢量。微分修正模块接收初值，并利用前向打靶过程进一步更新初始速度以精确满足终端条件。我们分析并比较了八种样本形式，以寻找训练神经网络求解J2摄动Lambert问题的最优形式。该新颖方法的精度与性能将在一个代表性测试用例上展示：木星系统中多圈J2摄动Lambert问题的求解。我们将所提方法与传统标准打靶法及基于同伦的摄动Lambert算法进行性能比较。结果表明，在相当精度水平下，所提方法显著快于另两种。