基于神经网络的姿态约束太阳帆航天器实时最优控制
最优化与控制
2023-11-17 v2
摘要
本工作致力于为共面圆到圆星际转移中姿态约束太阳帆航天器实时生成最优制导指令。首先,建立非线性最优控制问题,并由Pontryagin极小值原理导出最优性必要条件。在一些假设下,姿态约束被重写为控制约束,并以饱和函数替代,从而建立参数化系统,通过求解初值问题生成最优轨迹。该方法可高效生成含最优样本的数据集,对训练神经网络(NNs)以实现实时应用至关重要。然而,最优制导指令可能突兀地从一个极值跳变至另一极值,导致一般不利于NN逼近性能的不连续跳变。为解决此问题,我们利用最优制导指令所依赖的两个协态来检测不连续跳变。随后建立对这些跳变预处理的过程,从而确保预处理后的制导指令保持光滑。同时,发现一个协态的符号足以将预处理制导指令还原为原始最优制导指令。此外,构建并离线训练三个NN,它们协同工作以实时精确生成最优制导指令。最后,给出数值仿真以展示本文的进展。
引用
@article{arxiv.2309.09018,
title = {Real-time optimal control for attitude-constrained solar sailcrafts via neural networks},
author = {Kun Wang and Fangmin Lu and Zheng Chen and Jun Li},
journal= {arXiv preprint arXiv:2309.09018},
year = {2023}
}