用于卫星机动规划与碰撞规避的 Markov 决策过程

本文提出了一种用于大型星座可扩展机动规划的去中心化在线规划方法。尽管去中心化的基于规则的策略促进了高效扩展，但卫星机动的最优决策算法仍未得到充分探索。随着商业卫星星座的增长，在线机动规划带来了诸多益处，例如利用实时轨迹预测来改善状态认知，从而降低机动频率并节省燃料。我们通过将卫星机动规划问题视为 Markov 决策过程（MDP）来解决这一研究空白。该方法能够以低计算成本在线生成最优机动策略。该模型被应用于低地球轨道碰撞规避问题，考虑了活动航天器决定机动以规避不可机动物体的场景。我们在模拟的低地球轨道环境中测试了生成的策略，并将结果与传统的基于规则的碰撞规避技术进行了比较。