利用神经网络进行月球定点着陆燃料最优动力下降制导
最优化与控制
2024-08-29 v1
摘要
本文提出了一种基于神经网络的方法，用于设计月球定点着陆的燃料最优动力下降制导。根据庞特里亚金极小值原理，首先推导了最优性条件。为了生成用于训练神经网络的最优轨迹数据集，我们构建了一个参数化系统，该系统允许通过简单的推演生成每条最优轨迹，而无需使用任何优化方法。随后，可以容易地收集包含最优状态和最优推力矢量对的数据集。由于神经网络难以逼近 bang-bang（或不连续）型最优推力幅值，我们向切换函数引入了一个正则化函数，使得由简单神经网络逼近的正则化切换函数可用于表示最优推力幅值。同时，另外两个训练良好的神经网络用于在给定飞行状态下预测推力转向角和飞行时间。最后，数值模拟表明，所提出的方法能够生成 FOPDG，引导月球着陆器以可接受的着陆误差到达预定着陆点。
引用
@article{arxiv.2404.06722,
title = {Fuel-optimal powered descent guidance for lunar pinpoint landing using neural networks},
author = {Kun Wang and Zheng Chen and Jun Li},
journal= {arXiv preprint arXiv:2404.06722},
year = {2024}
}