小推力小行星交会任务的优化控制与神经网络 Porkchop 分析

本文针对小行星交会任务初步设计中的 porkchop 图，对优化控制方法和基于神经网络的估计器的适用性与精度进行了比较研究。所考虑的场景涉及配备小推力发动机的深空 CubeSat，在三年发射窗口内从地球出发并与近地小行星交会。建立了一个小推力轨迹优化模型，包含变比冲、最大推力和路径约束。采用序列凸规划(SCP)结合解的延拓策略高效求解该优化控制问题。神经网络框架包含两个模型：一个预测最小燃料消耗($\Delta v$)，另一个估计最小飞行时间($\Delta t$)用于评估转移可行性。案例结果表明，在无路径约束的简化场景中，神经网络方法在设计空间的大部分区域实现了较低的相对误差，并成功捕捉了 porkchop 图的主要结构特征。在基于 SCP 的延拓方法因存在多个局部最优解而失败的情况下，神经网络仍能提供平滑且全局一致的预测，显著提高了早期小行星候选筛选的效率。然而，路径约束导致的可行域变形在某些边界区域引起了明显差异，从而限制了网络在详细任务设计阶段的适用性。总体而言，神经网络与 porkchop 图分析的结合为任务设计师和行星科学家提供了有效的决策工具，具有显著的工程应用潜力。