基于神经网络的地月转移中途修正脉冲快速估计方法OA

在地月转移任务中,航天器入轨误差在强非线性动力学环境中迅速传播,影响终端精度。传统中途修正方法通常依赖“小偏差”假设与地面测控支持,难以满足未来任务对星上自主、实时执行的需求,且不适用于大偏差的情况。为此,提出一种适用于星上有限计算资源的轻量化神经网络方法,用于实现中途修正脉冲的快速估计。该方法首先通过高精度打靶仿真与理论分析,揭示了中途修正时刻速度偏差与所需修正脉冲之间存在近似线性关系;在此基础上,构建了一种轻量化全连接神经网络,建立了从标称轨道参数与修正时刻到脉冲比例系数的端到端智能映射。验证结果表明,该模型对脉冲比例系数的预测相对误差普遍低于3%。所提出的方法降低了对传统假设和地面支持的依赖,为在星上有限资源条件下实现自主中途修正提供了可行的技术途径。